論文の概要: FLAIR: a Country-Scale Land Cover Semantic Segmentation Dataset From
Multi-Source Optical Imagery
- arxiv url: http://arxiv.org/abs/2310.13336v1
- Date: Fri, 20 Oct 2023 07:55:12 GMT
- ステータス: 処理完了
- システム内更新日: 2023-10-23 23:53:51.847046
- Title: FLAIR: a Country-Scale Land Cover Semantic Segmentation Dataset From
Multi-Source Optical Imagery
- Title（参考訳）: flair:多元光学画像を用いた国別土地被覆意味セグメンテーションデータセット
- Authors: Anatol Garioud, Nicolas Gonthier, Loic Landrieu, Apolline De Wit,
Marion Valette, Marc Poup\'ee, S\'ebastien Giordano, Boris Wattrelos
- Abstract要約: 本稿では,フランス国立地理学林情報研究所 (IGN) の広範なデータセットであるFLAIR (Aerospace ImageRy) のフレンチランドカバーを紹介する。
FLAIRは、地上サンプル距離20cmの高解像度空中画像と、正確な土地被覆分類のための200億以上の個別ラベル付きピクセルを含んでいる。
このデータセットは、光学衛星時系列からの時間的・スペクトル的なデータも統合する。
- 参考スコア（独自算出の注目度）: 4.9687851703152806
- License: http://creativecommons.org/licenses/by-sa/4.0/
- Abstract: We introduce the French Land cover from Aerospace ImageRy (FLAIR), an
extensive dataset from the French National Institute of Geographical and Forest
Information (IGN) that provides a unique and rich resource for large-scale
geospatial analysis. FLAIR contains high-resolution aerial imagery with a
ground sample distance of 20 cm and over 20 billion individually labeled pixels
for precise land-cover classification. The dataset also integrates temporal and
spectral data from optical satellite time series. FLAIR thus combines data with
varying spatial, spectral, and temporal resolutions across over 817 km2 of
acquisitions representing the full landscape diversity of France. This
diversity makes FLAIR a valuable resource for the development and evaluation of
novel methods for large-scale land-cover semantic segmentation and raises
significant challenges in terms of computer vision, data fusion, and geospatial
analysis. We also provide powerful uni- and multi-sensor baseline models that
can be employed to assess algorithm's performance and for downstream
applications. Through its extent and the quality of its annotation, FLAIR aims
to spur improvements in monitoring and understanding key anthropogenic
development indicators such as urban growth, deforestation, and soil
artificialization. Dataset and codes can be accessed at
https://ignf.github.io/FLAIR/
- Abstract（参考訳）: 本稿では,フランス国立地理学林情報研究所(ign)による大規模地理空間解析のための一意かつ豊富な資源を提供する大規模データセットである,エアロスペース・ピクチャーズ(flair)によるフランス土地被覆について紹介する。
FLAIRは、地上サンプル距離20cmの高解像度空中画像と、正確な土地被覆分類のための200億以上の個別ラベル付きピクセルを含んでいる。
このデータセットは、光学衛星時系列からの時間およびスペクトルデータも統合する。
これによりFLAIRは、フランス全地形の多様性を表す817km2以上の取得の様々な空間、スペクトル、時間分解能とデータを組み合わせる。
この多様性により、FLAIRは大規模土地被覆セマンティックセグメンテーションのための新しい手法の開発と評価のための貴重な資源となり、コンピュータビジョン、データ融合、地理空間解析の点で大きな課題を提起する。
また,アルゴリズムの性能評価や下流アプリケーションに適用可能な,強力な一センサおよび多センサベースラインモデルを提供する。
FLAIRは、その範囲とアノテーションの質を通じて、都市の成長、森林伐採、土壌の人工化などの人為的発達指標のモニタリングと理解の改善を促進することを目的としている。
データセットとコードはhttps://ignf.github.io/FLAIR/でアクセスできる。
関連論文リスト
- Deep Multimodal Fusion for Semantic Segmentation of Remote Sensing Earth Observation Data [0.08192907805418582]
本稿では,セマンティックセグメンテーションのための後期融合深層学習モデル(LF-DLM)を提案する。
1つのブランチは、UNetFormerがキャプチャした空中画像の詳細なテクスチャと、ViT(Multi-Axis Vision Transformer)バックボーンを統合する。
もう一方のブランチは、U-ViNet(U-TAE)を用いてSentinel-2衛星画像Max時系列から複雑な時間ダイナミクスをキャプチャする。
論文 参考訳（メタデータ） (2024-10-01T07:50:37Z) - SpectralEarth: Training Hyperspectral Foundation Models at Scale [47.93167977587301]
ハイパースペクトル基礎モデルの事前学習を目的とした大規模マルチ時間データセットであるSpectralEarthを紹介する。
我々は、最先端の自己教師付き学習(SSL)アルゴリズムを用いて、SpectralEarthの一連の基礎モデルを事前訓練する。
我々は、土地被覆と収穫型マッピングのための4つの下流データセットを構築し、モデル評価のためのベンチマークを提供する。
論文 参考訳（メタデータ） (2024-08-15T22:55:59Z) - FRACTAL: An Ultra-Large-Scale Aerial Lidar Dataset for 3D Semantic Segmentation of Diverse Landscapes [0.0]
7つのセマンティッククラスのための高品質なラベル付き10万個の高密度点雲からなる超大規模空中Lidarデータセットを提案する。
データセットのデータ収集,アノテーション,キュレーションプロセスについて述べる。
アート3Dポイントクラウド分類モデルを用いて,ベースラインのセマンティックセマンティックセマンティクス結果を提供する。
論文 参考訳（メタデータ） (2024-05-07T19:37:22Z) - SatSynth: Augmenting Image-Mask Pairs through Diffusion Models for Aerial Semantic Segmentation [69.42764583465508]
我々は,地球観測における注釈付きデータの不足に対処するために,生成的画像拡散の可能性を探る。
我々の知る限りでは、衛星セグメンテーションのための画像と対応するマスクの両方を最初に生成する。
論文 参考訳（メタデータ） (2024-03-25T10:30:22Z) - Bidirectional recurrent imputation and abundance estimation of LULC
classes with MODIS multispectral time series and geo-topographic and climatic
data [0.0]
スペクトルアンミキシング(SU)は、混合画素を構成的土地利用・土地被覆(LULC)タイプに分解する技術である。
我々の研究はMODIS MS時系列を用いたSUの先駆者であり、エンド・ツー・エンドのDLモデルで不足データに対処する。
実験結果から, 時空間入力データとジオトポグラフィおよび気候情報を統合することで, 混合画素中のLULC量の推定が大幅に向上することが示された。
論文 参考訳（メタデータ） (2023-10-11T06:13:50Z) - FLAIR #2: textural and temporal information for semantic segmentation
from multi-source optical imagery [0.0]
このデータセットには、土地被覆のマッピングを目的としたセマンティックセグメンテーションタスクに利用される、2つの非常に異なるタイプのデータが含まれている。
データ融合ワークフローは、超高空間分解能(VHR)単時間時空間画像の微細空間情報とテクスチャ情報と、コペルニクス・センチネル2衛星画像の高空間分解能(HR)時系列の時間的およびスペクトル的富化の活用を提案する。
論文 参考訳（メタデータ） (2023-05-23T18:47:19Z) - FLAIR #1: semantic segmentation and domain adaptation dataset [0.0]
このデータセットは、現在IGNで使われているデータセットの一部であり、「Occupation du sol a grande 'echelle (OCS-GE)」というフランスの国定基準土地カバーマップを確立するのに使われている。
論文 参考訳（メタデータ） (2022-11-23T14:38:59Z) - SensatUrban: Learning Semantics from Urban-Scale Photogrammetric Point
Clouds [52.624157840253204]
センサットウルバン(SensatUrban)は、イギリスの3都市から収集された7.6km2の30億点近くからなる、都市規模のUAV測光点クラウドデータセットである。
データセットの各ポイントは、粒度の細かいセマンティックアノテーションでラベル付けされ、その結果、既存の最大のフォトグラムポイントクラウドデータセットの3倍の大きさのデータセットが生成される。
論文 参考訳（メタデータ） (2022-01-12T14:48:11Z) - Semi-Supervised Semantic Segmentation in Earth Observation: The
MiniFrance Suite, Dataset Analysis and Multi-task Network Study [82.02173199363571]
我々は,地球観測における半教師付きセマンティックセマンティックセグメンテーションのための新しい大規模データセット,MiniFranceスイートを紹介した。
MiniFranceにはいくつかの前例のない特性があり、2000以上の超高解像度の空中画像を含み、200億枚以上のサンプル(ピクセル)を処理している。
外観の類似性やMiniFranceデータの徹底的な研究からデータ代表性分析のためのツールを提案し,半教師付き環境での学習や一般化に適していることを示す。
論文 参考訳（メタデータ） (2020-10-15T15:36:58Z) - Towards Semantic Segmentation of Urban-Scale 3D Point Clouds: A Dataset,
Benchmarks and Challenges [52.624157840253204]
我々は、30億点近い注釈付きポイントを持つ都市規模の測光点クラウドデータセットを提示する。
私たちのデータセットは、イギリスの3つの都市からなり、都市の景観の約7.6km2をカバーしています。
我々は,データセット上での最先端アルゴリズムの性能を評価し,その結果を包括的に分析する。
論文 参考訳（メタデータ） (2020-09-07T14:47:07Z) - Campus3D: A Photogrammetry Point Cloud Benchmark for Hierarchical
Understanding of Outdoor Scene [76.4183572058063]
複数の屋外シーン理解タスクに対して,リッチな注釈付き3Dポイントクラウドデータセットを提案する。
データセットは階層型ラベルとインスタンスベースのラベルの両方でポイントワイズアノテートされている。
本稿では,3次元点雲分割のための階層的学習問題を定式化し,様々な階層間の整合性を評価することを提案する。
論文 参考訳（メタデータ） (2020-08-11T19:10:32Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。