Monitoring Urban Forests from Auto-Generated Segmentation Maps

要約

人間の相互作用がゼロに近いリモートセンシングデータに基づいて、都市の森林の時空間分布を定量化するための、弱く監視された方法論を提示および評価します。
セマンティックセグメンテーションの機械学習モデルのトレーニングを成功させるには、通常、高品質のラベルが利用できるかどうかに依存します。
オルソフォトで樹木の位置を特定するためのモデルをトレーニングするために、ノイズの多いラベルのソースとして高解像度の3次元点群データ（LiDAR）の利点を評価します。
概念実証として、ニューヨーク市コニーアイランド（NYC）の都市森林に対するハリケーンサンディの影響を感知し、ニューヨーク州ブルックリンの影響の少ない都市空間を参照します。

要約(オリジナル)

We present and evaluate a weakly-supervised methodology to quantify the spatio-temporal distribution of urban forests based on remotely sensed data with close-to-zero human interaction. Successfully training machine learning models for semantic segmentation typically depends on the availability of high-quality labels. We evaluate the benefit of high-resolution, three-dimensional point cloud data (LiDAR) as source of noisy labels in order to train models for the localization of trees in orthophotos. As proof of concept we sense Hurricane Sandy’s impact on urban forests in Coney Island, New York City (NYC) and reference it to less impacted urban space in Brooklyn, NYC.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google