Fields of The World: A Machine Learning Benchmark Dataset For Global Agricultural Field Boundary Segmentation

要約

作物畑の境界は、農業の監視と評価のための基礎的なデータセットですが、手動で収集するにはコストがかかります。
遠隔で撮影した画像からフィールド境界を自動的に抽出する機械学習 (ML) 手法は、地球規模でのこれらのデータセットの需要の実現に役立つ可能性があります。
ただし、フィールド インスタンスのセグメンテーションのための現在の ML 手法には、十分な地理的範囲、精度、一般化機能が不足しています。
さらに、ML 手法の改善に関する研究は、世界の農業分野の多様性を表すラベル付きデータセットの欠如によって制限されています。
私たちは、4 大陸 (ヨーロッパ、アフリカ、アジア、南米) 24 か国にわたる農業現場インスタンス セグメンテーションのための新しい ML ベンチマーク データセットである Fields of The World (FTW) を紹介します。
FTW は、70,462 個のサンプルを含む以前のデータセットよりも一桁大きく、各データセットには、複数日付、複数スペクトルの Sentinel-2 衛星画像と組み合わせられたインスタンスおよびセマンティック セグメンテーション マスクが含まれています。
新しい FTW ベンチマークのベースライン モデルの結果を提供し、FTW でトレーニングされたモデルは、さまざまなデータセットで事前トレーニングされていないモデルよりも、開催国においてゼロショットと微調整のパフォーマンスが優れていることを示し、肯定的な定性的結果を示しています。
現実世界のシナリオにおける FTW モデルのゼロショット結果 – エチオピア上空の Sentinel-2 シーンで実行。

要約(オリジナル)

Crop field boundaries are foundational datasets for agricultural monitoring and assessments but are expensive to collect manually. Machine learning (ML) methods for automatically extracting field boundaries from remotely sensed images could help realize the demand for these datasets at a global scale. However, current ML methods for field instance segmentation lack sufficient geographic coverage, accuracy, and generalization capabilities. Further, research on improving ML methods is restricted by the lack of labeled datasets representing the diversity of global agricultural fields. We present Fields of The World (FTW) — a novel ML benchmark dataset for agricultural field instance segmentation spanning 24 countries on four continents (Europe, Africa, Asia, and South America). FTW is an order of magnitude larger than previous datasets with 70,462 samples, each containing instance and semantic segmentation masks paired with multi-date, multi-spectral Sentinel-2 satellite images. We provide results from baseline models for the new FTW benchmark, show that models trained on FTW have better zero-shot and fine-tuning performance in held-out countries than models that aren’t pre-trained with diverse datasets, and show positive qualitative zero-shot results of FTW models in a real-world scenario — running on Sentinel-2 scenes over Ethiopia.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google