リモートセンシング画像からの建物抽出を不確実性認識ネットワークを用いて行う

ビル抽出の目的は、リモートセンシング画像からビルのピクセルをセグメンテーションすることであり、都市計画や都市動態監視などの多くの応用分野で重要な役割を果たしています。最近数年間、エンコーダー-デコーダー構造を持つ深層学習手法が、その強力な特徴表現能力により優れた性能を達成してきました。しかし、ビルのスケールやスタイルが異なるため、従来の深層学習モデルは不確定な予測に苦しんでおり、地面物体の複雑な分布からビルの完全なフットプリントを正確に区別することができず、大きな漏れと誤検出が発生しています。本論文では、不確定な予測の重要性に着目し、この問題を緩和するために新しいかつ単純な不確実性認識ネットワーク（Uncertainty-Aware Network: UANet）を提案します。提案したUANetの性能を検証するために、WHUビルデータセット、マサチューセッツビルデータセット、およびInria航空画像データセットを含む3つの公開ビルデータセットで広範な実験を行いました。結果は、提案したUANetが他の最先端アルゴリズムよりも大幅に優れていることを示しています。