要約
本稿では、リモートセンシング画像（RSI）分類に向けた、アクティブラーニング（AL）を組み込んだ広範な文脈的残差ネットワーク（WCRN）を提案する。ResNetは様々な応用分野（例えばRSI分類）において優れた成果を上げているが、その性能は豊富なラベル付きサンプルの存在に依存しており、現実世界ではクラスラベルを取得することは極めて困難かつ高コストである。このような課題を解決するため、本研究では提案するWCRNをALと統合し、最も情報量の高い訓練サンプルを活用することで、限られたラベルデータでも高い汎化性能を実現することを目指す。具体的には、まずRSI分類に適した広範な文脈的残差ネットワークを設計し、その後、そのネットワークをアクティブラーニングと統合することで、少ない訓練サンプル数でも優れた機械学習の汎化性能を達成する。パビア大学およびフレヴォランドデータセットを用いた実験結果から、提案手法であるALを組み込んだWCRNが、サンプル数の必要性を顕著に低減できることを示した。