2ヶ月前

xView3-SAR: 合成開口レーダ画像を使用した違法漁業活動の検出

Paolo, Fernando ; Lin, Tsu-ting Tim ; Gupta, Ritwik ; Goodman, Bryce ; Patel, Nirav ; Kuster, Daniel ; Kroodsma, David ; Dunnmon, Jared
xView3-SAR: 合成開口レーダ画像を使用した違法漁業活動の検出
要約

全世界の持続不可能な漁業実践は、海洋資源と生態系に大きな脅威をもたらしています。伝統的な監視システムに現れない船舶、いわゆる「ダーク・バージョン」(dark vessels)を特定することは、海洋環境の健全性を管理し確保する上で重要な役割を果たします。衛星ベースの合成開口レーダー(SAR: Synthetic Aperture Radar)画像と現代の機械学習(ML: Machine Learning)技術の進歩により、昼夜を問わず、あらゆる天候条件下でダーク・バージョンの自動検出が可能になりました。しかし、SAR画像には領域特有の処理が必要であり、機械学習コミュニティにとって広くアクセスできるものではありません。海事オブジェクト(船舶や海洋インフラストラクチャ)は比較的小さく且つ疎在しているため、従来のコンピュータビジョン手法では対応が難しい課題となっています。本稿では、SAR画像から船舶や海洋構造物を検出し特性化するために機械学習モデルを訓練する最大規模のラベル付きデータセットを紹介します。xView3-SARは、Sentinel-1ミッションから得られた約1,000枚の分析準備完了型SAR画像で構成されており、各画像は平均して29,400×24,400ピクセルです。これらの画像は自動解析と手動解析の組み合わせによって注釈付けられています。また、各SAR画像に対応する海底地形データ(bathymetry)と風状態ラスタ(wind state rasters)が付属しています。さらに、大規模な船舶検出と特性化にxView3-SARを使用した国際的な競技であるxView3コンピュータビジョンチャレンジについて概要を提供します。この競技では参加者たちが最新鋭の技術を開発し評価することで、この重要なアプリケーションにおける機械学習アプローチの一層の進展を目指しています。私たちはデータ (\href{https://iuu.xview.us/}{https://iuu.xview.us/}) およびコード (\href{https://github.com/DIUx-xView}{https://github.com/DIUx-xView}) を公開し、この分野での継続的な開発と評価を支援することとしています。