論文の概要: Taking it further: leveraging pseudo labels for field delineation across label-scarce smallholder regions

• arxiv url: http://arxiv.org/abs/2312.08384v1
• Date: Tue, 12 Dec 2023 08:39:07 GMT
• ステータス: 処理完了
• システム内更新日: 2023-12-16 03:07:36.705118
• Title: Taking it further: leveraging pseudo labels for field delineation across label-scarce smallholder regions
• Title（参考訳）: さらに: ラベル・スカース・スモールホルダ領域のフィールドデライン化に擬似ラベルを活用する
• Authors: Philippe Rufin, Sherrie Wang, S\'a Nogueira Lisboa, Jan Hemmerling, Mirela G. Tulbure, Patrick Meyfroidt
• Abstract要約: 本研究は、地理とセンサ特性を横断する微調整モデルにスパースフィールドデライン付き擬似ラベルを使用する機会について検討する。 本研究では,インドにおける作物の作付けを訓練したフラクタルResUNetを構築し,この事前学習モデルを用いてモザンビークの擬似ラベルを生成する。 次に、人間の注釈付きラベルと擬似ラベルをモデル微調整に使用し、人体アノテーションに対する予測を比較した。
• 参考スコア（独自算出の注目度）: 2.8120847363433654
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: Transfer learning allows for resource-efficient geographic transfer of pre-trained field delineation models. However, the scarcity of labeled data for complex and dynamic smallholder landscapes, particularly in Sub-Saharan Africa, remains a major bottleneck for large-area field delineation. This study explores opportunities of using sparse field delineation pseudo labels for fine-tuning models across geographies and sensor characteristics. We build on a FracTAL ResUNet trained for crop field delineation in India (median field size of 0.24 ha) and use this pre-trained model to generate pseudo labels in Mozambique (median field size of 0.06 ha). We designed multiple pseudo label selection strategies and compared the quantities, area properties, seasonal distribution, and spatial agreement of the pseudo labels against human-annotated training labels (n = 1,512). We then used the human-annotated labels and the pseudo labels for model fine-tuning and compared predictions against human field annotations (n = 2,199). Our results indicate i) a good baseline performance of the pre-trained model in both field delineation and field size estimation, and ii) the added value of regional fine-tuning with performance improvements in nearly all experiments. Moreover, we found iii) substantial performance increases when using only pseudo labels (up to 77% of the IoU increases and 68% of the RMSE decreases obtained by human labels), and iv) additional performance increases when complementing human annotations with pseudo labels. Pseudo labels can be efficiently generated at scale and thus facilitate domain adaptation in label-scarce settings. The workflow presented here is a stepping stone for overcoming the persisting data gaps in heterogeneous smallholder agriculture of Sub-Saharan Africa, where labels are commonly scarce.
• Abstract（参考訳）: 転送学習は、事前訓練されたフィールドデラインモデルのリソース効率の良い地理的転送を可能にする。 しかし、特にサハラ以南のアフリカでは、複雑でダイナミックな小さめの景観のためのラベル付きデータの不足が、大面積のフィールドデライン化の大きなボトルネックとなっている。 本研究は,地理情報とセンサ特性の微調整モデルにスパースフィールドデライン化擬似ラベルを用いる可能性を検討する。 本研究では,インドにおける作物の作付けを訓練したフラクタルResUNet(中間フィールドサイズ0.24ha)上に構築し,この事前学習モデルを用いてモザンビーク(中間フィールドサイズ0.06ha)の擬似ラベルを生成する。 複数の疑似ラベル選択戦略を考案し,疑似ラベルの量,地域特性,季節分布,空間的一致度を人間に付与された訓練ラベル (n = 1,512) と比較した。 次に、人間の注釈付きラベルと擬似ラベルをモデル微調整に使用し、人間のフィールドアノテーションに対する予測を比較した(n = 2,199)。 私たちの結果は 一 フィールドデライン化及びフィールドサイズ推定における事前学習モデルの良好なベースライン性能と、 二 ほぼすべての実験において、性能改善を伴う地域微調整の付加価値 さらに、我々は 三 擬似ラベルのみを使用する場合の実質的な性能向上(iouの最大77%、ヒトのラベルによるrmseの68%の低下)、及び iv) 人間のアノテーションを擬似ラベルで補完する場合のさらなる性能向上。 擬似ラベルは大規模に効率よく生成できるため、ラベルスカース設定でのドメイン適応が容易になる。 ここで提示されるワークフローは、ラベルが一般的に乏しいサハラ以南のアフリカにおける異種小作農におけるデータギャップの持続を克服するためのステップストーンである。

関連論文リスト

• Reducing Labeling Costs in Sentiment Analysis via Semi-Supervised Learning [0.0]
  本研究では,半教師付き学習におけるラベル伝搬について検討する。 テキスト分類のための多様体仮定に基づいて,トランスダクティブなラベル伝搬法を用いる。 ネットワーク埋め込みから隣接グラフ内のコサイン近接に基づくラベルを拡張することにより、ラベルなしデータを教師付き学習に組み合わせる。
  論文  参考訳（メタデータ） (2024-10-15T07:25:33Z)
• Downstream-Pretext Domain Knowledge Traceback for Active Learning [138.02530777915362]
  本稿では、下流知識と事前学習指導のデータ相互作用をトレースするダウンストリーム・プレテキスト・ドメイン知識トレース(DOKT)手法を提案する。 DOKTは、トレースバックの多様性指標とドメインベースの不確実性推定器から構成される。 10のデータセットで行った実験は、我々のモデルが他の最先端の手法よりも優れていることを示している。
  論文  参考訳（メタデータ） (2024-07-20T01:34:13Z)
• VLM-CPL: Consensus Pseudo Labels from Vision-Language Models for Human Annotation-Free Pathological Image Classification [23.08368823707528]
  本稿では,VLM(Venture-Language Models)を利用した画像分類法を提案する。 2つのノイズラベルフィルタリング技術と半教師付き学習戦略を統合した,コンセンサス擬似ラベルに基づく新しい手法 VLM-CPL を提案する。 実験の結果,HPHデータセットとLC25Kデータセットの精度は87.1%,95.1%であった。
  論文  参考訳（メタデータ） (2024-03-23T13:24:30Z)
• Weak Labeling for Cropland Mapping in Africa [3.5759681393339697]
  作物のマッピングは、環境、農業、食料安全保障の課題に対処する上で重要な役割を担っている。 アフリカでは、高解像度の作物地図の入手が限られているため、実用的な応用がしばしば妨げられている。 本稿では、教師なしオブジェクトクラスタリングを利用して、既存の弱いラベルを洗練する手法を提案する。
  論文  参考訳（メタデータ） (2024-01-13T08:45:41Z)
• All Points Matter: Entropy-Regularized Distribution Alignment for Weakly-supervised 3D Segmentation [67.30502812804271]
  擬似ラベルは、弱い教師付き3Dセグメンテーションタスクに広く使われており、学習に使えるのはスパース・グラウンド・トラス・ラベルのみである。 本稿では,生成した擬似ラベルを正規化し,擬似ラベルとモデル予測とのギャップを効果的に狭めるための新しい学習戦略を提案する。
  論文  参考訳（メタデータ） (2023-05-25T08:19:31Z)
• Debiased Pseudo Labeling in Self-Training [77.83549261035277]
  ディープニューラルネットワークは、大規模ラベル付きデータセットの助けを借りて、幅広いタスクで顕著なパフォーマンスを達成する。 ラベル付きデータの要求を軽減するため、ラベル付けされていないデータに擬似ラベルを付けることにより、学術と産業の両方で自己学習が広く使われている。 疑似ラベルの生成と利用を2つの独立した頭文字で分離するデバイアスドを提案する。
  論文  参考訳（メタデータ） (2022-02-15T02:14:33Z)
• Semi-Supervised Learning with Taxonomic Labels [42.02670649470055]
  細粒度領域で画像分類器を訓練するために,粗い分類ラベルを組み込む手法を提案する。 3つの王国にまたがる810種からなるSemi-iNatデータセットでは、フィラムラベルを組み込むことで、種レベルの分類精度が6%向上する。 本稿では,階層構造に導かれる未ラベル画像の集合から,ロバスト性を改善するための関連データを選択する手法を提案する。
  論文  参考訳（メタデータ） (2021-11-23T00:50:25Z)
• An Empirical Investigation of Learning from Biased Toxicity Labels [15.822714574671412]
  我々は,人間の注釈付きラベルの小さなデータセットと,合成されたラベルの大きいがノイズの多いデータセットを,異なるトレーニング戦略が活用できるかを検討する。 これらの手法の精度と公平性、および両者のトレードオフを評価する。
  論文  参考訳（メタデータ） (2021-10-04T17:19:57Z)
• Semi-Supervised Domain Adaptation with Prototypical Alignment and Consistency Learning [86.6929930921905]
  本稿では,いくつかの対象サンプルがラベル付けされていれば,ドメインシフトに対処するのにどの程度役立つか検討する。 ランドマークの可能性を最大限に追求するために、ランドマークから各クラスのターゲットプロトタイプを計算するプロトタイプアライメント(PA)モジュールを組み込んでいます。 具体的には,ラベル付き画像に深刻な摂動を生じさせ,PAを非自明にし,モデル一般化性を促進する。
  論文  参考訳（メタデータ） (2021-04-19T08:46:08Z)
• Domain Adaptive Semantic Segmentation Using Weak Labels [115.16029641181669]
  本稿では,画像レベルの弱いラベルを持つセマンティックセグメンテーションにおけるドメイン適応のための新しいフレームワークを提案する。 ネットワークに特定のカテゴリへの参加を強制する弱いラベル分類モジュールを開発する。 実験では,UDAにおける既存の最先端技術に対する大幅な改善と,WDA設定における新たなベンチマークを示す。
  論文  参考訳（メタデータ） (2020-07-30T01:33:57Z)
• Semi-Automatic Data Annotation guided by Feature Space Projection [117.9296191012968]
  本稿では,適切な特徴空間投影と半教師付きラベル推定に基づく半自動データアノテーション手法を提案する。 MNISTデータセットとヒト腸内寄生虫の胎児不純物の有無による画像を用いて本手法の有効性を検証した。 この結果から,人間と機械の相補的能力を組み合わせた視覚分析ツールの付加価値が,より効果的な機械学習に有効であることが示唆された。
  論文  参考訳（メタデータ） (2020-07-27T17:03:50Z)

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。