17日前

リモートセンシング画像におけるフィルタ付きジャッカード損失関数とパラメトリックオーギュメンテーションを用いたクラウドおよびクラウドシャドウのセグメンテーション

Sorour Mohajerani, Parvaneh Saeedi
リモートセンシング画像におけるフィルタ付きジャッカード損失関数とパラメトリックオーギュメンテーションを用いたクラウドおよびクラウドシャドウのセグメンテーション
要約

光学リモートセンシング画像解析における雲および雲影のセグメンテーションは、基本的なプロセスである。地理空間画像における雲/影の識別を目的とした従来の手法は、特に雪や霞が存在する場合、その精度が期待される水準に達していない。本論文では、Landsat 8画像における雲/影検出を目的とした深層学習ベースのフレームワークを提案する。本手法は、我々が以前に提案したCloud-Net \cite{myigarss} の改良版である畳み込みニューラルネットワーク「Cloud-Net+」を活用しており、新たな損失関数「フィルタリング・ジャッカード損失(Filtered Jaccard Loss)」を用いて学習を行う。この提案損失関数は、画像中の前景オブジェクトの欠如に対してより感度が高く、従来の一般的な損失関数よりも予測マスクに対するペナルティおよび報酬をより正確に反映する特徴を持つ。さらに、太陽光の方向を考慮したデータ拡張技術を雲影検出タスクに向け開発し、既存の学習データセットを拡張することで、提案モデルの汎化能力を向上させた。Cloud-Net+、フィルタリング・ジャッカード損失関数、および提案された拡張アルゴリズムの組み合わせは、4つの公的雲/影検出データセットにおいて優れた性能を示した。また、Pascal VOCデータセットを用いた実験により、本研究で提案するネットワーク構造および損失関数が、他のコンピュータビジョン応用分野においても適用可能であり、高い品質を有することが示された。

リモートセンシング画像におけるフィルタ付きジャッカード損失関数とパラメトリックオーギュメンテーションを用いたクラウドおよびクラウドシャドウのセグメンテーション | 最新論文 | HyperAI超神経