초록
기초 지도 작성은 여전히 세계의 많은 지역에서 도전과제로 남아 있으며, 특히 자연재해와 같은 동적인 상황에서는 신속한 업데이트가 필수적입니다. 현재 지도 업데이트는 대규모 인력이 특징을 생성하거나 자동화된 출력을 철저하게 검증해야 하는 매우 수작업에 의존하는 과정입니다. 우리는 지구 영상 위성군집의 빈번한 재방문이 고급 머신러닝 기술과 결합될 때 기초 지도를 신속하게 업데이트하는 기존 노력들을 가속화할 수 있다고 제안합니다. 이에 따라 SpaceNet 파트너사(CosmiQ Works, Radiant Solutions, 그리고 NVIDIA)는 아마존 웹 서비스(AWS)에서 'SpaceNet'이라는 이름으로 대규모 라벨링된 위성 영상 데이터셋을 공개했습니다. SpaceNet 파트너사는 또한 원격 감지 머신러닝 알고리즘의 개선을 촉진하기 위해 일련의 공개 경진대회를 개최했습니다. 이 중 첫 두 경진대회는 자동 건물 윤곽 추출에 초점을 맞추었으며, 가장 최근의 도전 과제는 도로 네트워크 추출에 집중되었습니다. 본 논문에서는 SpaceNet 영상, 라벨, 평가 지표, 현재까지의 경진대회 결과 및 향후 SpaceNet 경진대회 시리즈 계획에 대해 논의합니다.