Evaluation of Deep Learning Semantic Segmentation for Land Cover Mapping on Multispectral, Hyperspectral and High Spatial Aerial Imagery

要約

気候変動の進行により、環境モニタリングにおいて土地被覆地図作成が緊急の必要性となっています。
土地被覆分類の精度は、リモート センシング データの改善に基づいてますます高まっています。
衛星画像を使用した土地被覆分類が研究され、近年さらに普及してきましたが、この方法論には主観的で時間がかかるといういくつかの欠点が残っています。
これらの制限を克服するために、いくつかの深層学習技術が利用されています。
ただし、ほとんどの研究では、土地被覆マッピングのアルゴリズムを評価するために 1 つの画像タイプのみを実装しました。
したがって、私たちの研究では、土地被覆マッピングのためのマルチスペクトル、ハイパースペクトル、高空間航空画像データセットでディープラーニング セマンティック セグメンテーションを実施しました。
この研究では、植生、水、その他（土壌や不浸透性の表面）を分類するために、Unet、Linknet、FPN、PSPnet などのセマンティック セグメンテーション手法を実装しました。
LinkNet モデルは、すべてのデータセットで IoU (Intersection Over Union) で 0.92 という高い精度を達成しました。これは、他の前述の手法と同等です。
さまざまな画像タイプでの評価では、マルチスペクトル画像が IoU でより高いパフォーマンスを示し、F1 スコアはそれぞれ 0.993 と 0.997 でした。
私たちの成果は、土地被覆分類における LinkNet とマルチスペクトル画像の効率性と広範な適用可能性を強調しました。
この研究は、長期的な将来の応用のためのオープンソースを介した土地被覆セグメンテーションに関するアプローチの確立に貢献します。

要約(オリジナル)

In the rise of climate change, land cover mapping has become such an urgent need in environmental monitoring. The accuracy of land cover classification has gotten increasingly based on the improvement of remote sensing data. Land cover classification using satellite imageries has been explored and become more prevalent in recent years, but the methodologies remain some drawbacks of subjective and time-consuming. Some deep learning techniques have been utilized to overcome these limitations. However, most studies implemented just one image type to evaluate algorithms for land cover mapping. Therefore, our study conducted deep learning semantic segmentation in multispectral, hyperspectral, and high spatial aerial image datasets for landcover mapping. This research implemented a semantic segmentation method such as Unet, Linknet, FPN, and PSPnet for categorizing vegetation, water, and others (i.e., soil and impervious surface). The LinkNet model obtained high accuracy in IoU (Intersection Over Union) at 0.92 in all datasets, which is comparable with other mentioned techniques. In evaluation with different image types, the multispectral images showed higher performance with the IoU, and F1-score are 0.993 and 0.997, respectively. Our outcome highlighted the efficiency and broad applicability of LinkNet and multispectral image on land cover classification. This research contributes to establishing an approach on landcover segmentation via open source for long-term future application.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google