FLAIR #1: Datensatz für semantische Segmentierung und Domain-Adaptation

Das französische Nationale Institut für geographische und forstliche Information (IGN) hat die Aufgabe, die Landnutzung auf französischem Gebiet zu dokumentieren und zu messen, und stellt referenzielle geographische Datensätze bereit, darunter hochaufgelöste Luftbildaufnahmen und topografische Karten. Die Überwachung der Landnutzung spielt eine entscheidende Rolle bei der Raumplanung und Landnutzungssteuerung und kann erhebliche sozioökonomische und ökologische Auswirkungen haben. Zusammen mit Fernerkundungstechnologien verspricht künstliche Intelligenz (IA) sich zu einem leistungsfähigen Werkzeug für die Bestimmung der Landnutzung und ihrer Entwicklung zu entwickeln. Der IGN erforscht derzeit das Potenzial der IA bei der Erstellung hochaufgelöster Landnutzungskarten. Insbesondere werden tiefes Lernen (deep learning) eingesetzt, um eine semantische Segmentierung von Luftbildern zu erreichen. Allerdings ergeben sich aufgrund der Größe des Gebiets Frankreich, das heterogene Gegebenheiten aufweist – etwa unterschiedliche Landschaftsformen und variierende Aufnahmebedingungen – erhebliche Herausforderungen hinsichtlich der Erzielung einheitlicher, zuverlässiger und genauer Ergebnisse über das gesamte Land. Der vorgestellte FLAIR-one-Datensatz ist Teil der Datensätze, die derzeit am IGN verwendet werden, um die nationale Referenzkarte der französischen Landnutzung „Occupation du sol à grande échelle“ (OCS-GE) zu erstellen.