要約
航空画像は、世界的規模での重要な作業に活用できる。しかし、PASCAL VOC、CityScapes、CamVidといった代表的なデータセットにおける最新のニューラルネットワークアーキテクチャの性能と比較して、航空画像データの解析はまだ遅れをとっている。本論文では、こうした代表的データセットと航空画像データの間の性能ギャップを埋めることを目的とする。多クラス設定において、最新のニューラルネットワークアーキテクチャを航空画像に適用した研究はほとんど行われていない。本研究では、データ拡張、正規化、画像サイズ、損失関数に関する実験を通じて、航空画像セグメンテーションデータセットにおいて高い性能を発揮する設定に関する知見を得た。本研究では、最新のDeepLabv3+ Xception65アーキテクチャを用いて、DroneDeploy検証セットにおいて平均IOU（mIOU）70％を達成した。この結果により、現在公に公開されている最良の検証セットmIOU（65％）を5％上回る性能を示した。さらに、現時点においてはテストセットに対するmIOUベンチマークが存在しないと考えられる。したがって、本研究では、最も性能の優れたDeepLabv3+ Xception65アーキテクチャを用いて、DroneDeployテストセットに対する新たなベンチマークを提案し、mIOUスコア52.5％を達成した。