論文の概要: Global High Categorical Resolution Land Cover Mapping via Weak Supervision

• arxiv url: http://arxiv.org/abs/2406.00891v1
• Date: Sun, 2 Jun 2024 23:18:12 GMT
• ステータス: 処理完了
• システム内更新日: 2024-06-06 02:56:53.369138
• Title: Global High Categorical Resolution Land Cover Mapping via Weak Supervision
• Title（参考訳）: 弱視による地球規模の高カテゴリー分解能土地被覆マッピング
• Authors: Xin-Yi Tong, Runmin Dong, Xiao Xiang Zhu,
• Abstract要約: 我々は、弱教師付きドメイン適応(WSDA)のために、完全ラベル付きソースドメインと弱ラベル付きターゲットドメインを組み合わせることを提案する。 粗いラベルと粗いラベルを使用することで、精密かつ詳細な土地被覆アノテーションに必要な労力を大幅に軽減できるため、これは有益である。 我々は,PlanetScope,Gaofen-1,Sentinel-2の衛星画像を用いて,世界中の10都市を対象とした高分類分解能土地被覆マッピングを行った。
• 参考スコア（独自算出の注目度）: 19.52604717907002
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Land cover information is indispensable for advancing the United Nations' sustainable development goals, and land cover mapping under a more detailed category system would significantly contribute to economic livelihood tracking and environmental degradation measurement. However, the substantial difficulty in acquiring fine-grained training data makes the implementation of this task particularly challenging. Here, we propose to combine fully labeled source domain and weakly labeled target domain for weakly supervised domain adaptation (WSDA). This is beneficial as the utilization of sparse and coarse weak labels can considerably alleviate the labor required for precise and detailed land cover annotation. Specifically, we introduce the Prototype-based pseudo-label Rectification and Expansion (PRE) approach, which leverages the prototypes (i.e., the class-wise feature centroids) as the bridge to connect sparse labels and global feature distributions. According to the feature distances to the prototypes, the confidence of pseudo-labels predicted in the unlabeled regions of the target domain is assessed. This confidence is then utilized to guide the dynamic expansion and rectification of pseudo-labels. Based on PRE, we carry out high categorical resolution land cover mapping for 10 cities in different regions around the world, severally using PlanetScope, Gaofen-1, and Sentinel-2 satellite images. In the study areas, we achieve cross-sensor, cross-category, and cross-continent WSDA, with the overall accuracy exceeding 80%. The promising results indicate that PRE is capable of reducing the dependency of land cover classification on high-quality annotations, thereby improving label efficiency. We expect our work to enable global fine-grained land cover mapping, which in turn promote Earth observation to provide more precise and thorough information for environmental monitoring.
• Abstract（参考訳）: 土地被覆情報は、国連の持続可能な開発目標を推し進めるためには不可欠であり、より詳細な分類体系の下での土地被覆マッピングは、経済的な生活の追跡と環境劣化の測定に大きく貢献する。 しかし、微粒なトレーニングデータを取得することの難しさは、このタスクの実装を特に困難にしている。 本稿では、完全ラベル付きソースドメインと弱ラベル付きターゲットドメインを組み合わせて、弱教師付きドメイン適応(WSDA)を提案する。 粗いラベルと粗いラベルを使用することで、精密かつ詳細な土地被覆アノテーションに必要な労力を大幅に軽減できるため、これは有益である。 具体的には,プロトタイプ(クラスワイド機能セントロイド)をブリッジとして活用し,スパースラベルとグローバル特徴分布を接続するPRE(Prototype-based pseudo-label Rectification and Expansion)アプローチを提案する。 プロトタイプとの特徴距離により、対象領域の未ラベル領域で予測された擬似ラベルの信頼度を評価する。 この信頼性を利用して、擬似ラベルの動的拡張と修正を導く。 Preをベースとして,PlanetScope,Gaofen-1,Sentinel-2の衛星画像を用いて,世界中の10都市を対象とした高カテゴリ分解能土地被覆マッピングを行った。 研究領域では,クロスセンサ,クロスカテゴリ,クロスコンチネントWSDAを実現し,全体の精度は80%を超えた。 その結果,Premは高品質アノテーションへの土地被覆分類の依存性を低減し,ラベルの効率を向上できる可能性が示唆された。 我々は、地球観測を促進させ、環境モニタリングをより正確かつ徹底した情報を提供する、地球規模のきめ細かい土地被覆マッピングを可能にすることを期待している。

関連論文リスト

• AGBD: A Global-scale Biomass Dataset [18.976975819550173]
  衛星画像から地上バイオマスを推定するための既存のデータセットは限られている。 このデータセットは、GEDIミッションからのAGB参照データとSentinel-2とPALSAR-2の画像のデータを組み合わせる。 これには、密集した天蓋の高さマップ、標高マップ、土地被覆分類マップなど、事前処理された高水準の特徴が含まれている。 単一の行のコードで簡単にアクセスでき、グローバルなAGB推定への取り組みの確固たる基盤を提供する。
  論文  参考訳（メタデータ） (2024-06-07T13:34:17Z)
• Estimating Canopy Height at Scale [15.744009072839425]
  衛星データに基づく世界規模キャノピー高さ推定のためのフレームワークを提案する。 予測と地味ラベルを比較すると、MAE / RMSEは総計2.43/4.73(メートル)、樹高は4.45/6.72(メートル)となる。
  論文  参考訳（メタデータ） (2024-06-03T07:53:38Z)
• Learning without Exact Guidance: Updating Large-scale High-resolution Land Cover Maps from Low-resolution Historical Labels [4.833320222969612]
  大規模な高解像度(HR)の土地被覆マッピングは、地球の表面を調査し、人類が直面する多くの課題を解決するための重要な課題である。 本研究では,大規模人事地被覆地図作成のための効率的かつ弱教師付きフレームワーク(Paraformer)を提案する。
  論文  参考訳（メタデータ） (2024-03-05T08:02:00Z)
• Inter-Domain Mixup for Semi-Supervised Domain Adaptation [108.40945109477886]
  半教師付きドメイン適応(SSDA)は、ソースとターゲットのドメイン分布をブリッジすることを目的としており、少数のターゲットラベルが利用可能である。 既存のSSDAの作業は、ソースドメインとターゲットドメインの両方からラベル情報をフル活用して、ドメイン間の機能アライメントに失敗する。 本稿では,新しいSSDA手法であるIDMNE(Inter-domain Mixup with Neighborhood Expansion)を提案する。
  論文  参考訳（メタデータ） (2024-01-21T10:20:46Z)
• Progressive Feature Self-reinforcement for Weakly Supervised Semantic Segmentation [55.69128107473125]
  Weakly Supervised Semantic (WSSS) のイメージレベルラベルを用いたシングルステージアプローチを提案する。 我々は、画像内容が決定論的領域(例えば、自信ある前景と背景)と不確実領域(例えば、オブジェクト境界と誤分類されたカテゴリ)に適応的に分割して、別々の処理を行う。 そこで我々は,これらの自信のある領域と同一のクラスラベルを持つ拡張画像とのセマンティック一貫性を制約する補完的な自己強調手法を提案する。
  論文  参考訳（メタデータ） (2023-12-14T13:21:52Z)
• Trust your Good Friends: Source-free Domain Adaptation by Reciprocal Neighborhood Clustering [50.46892302138662]
  我々は、ソースデータがない場合に、ソース事前学習されたモデルをターゲット領域に適応させる、ソースフリー領域適応問題に対処する。 提案手法は,ソースドメイン分類器と一致しない可能性のあるターゲットデータが,依然として明確なクラスタを形成しているという観測に基づいている。 本研究では, この地域構造を, 地域住民, 相互隣人, 及び拡張近所を考慮し, 効率的に把握できることを実証する。
  論文  参考訳（メタデータ） (2023-09-01T15:31:18Z)
• Generalized Universal Domain Adaptation with Generative Flow Networks [76.1350941965148]
  Generalized Universal Domain Adaptationは、未知のカテゴリを含む全てのターゲットラベルの正確な予測を実現することを目的としている。 GUDAはラベル分布シフトベースとラベル空間ミスマッチベースとのギャップを埋める。 本稿では,報酬関数に比例した確率を持つ多種多様なサンプルを選択する,GFlowDAというドメイン適応アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2023-05-08T05:34:15Z)
• A Coarse-to-Fine Approach for Urban Land Use Mapping Based on Multisource Geospatial Data [4.2968261363970095]
  本稿では,パーセルレベルの都市土地利用マッピングのための機械学習に基づくアプローチを提案する。 まず、道路網から生成された区画に基づいて、都市をビルトアップと非ビルトアップに分割する。 次に,異なる地域におけるパーセルの分類戦略を採用し,最終的に分類結果を統合された土地利用地図に組み合わせた。
  論文  参考訳（メタデータ） (2022-08-18T13:30:56Z)
• Jalisco's multiclass land cover analysis and classification using a novel lightweight convnet with real-world multispectral and relief data [51.715517570634994]
  本稿では、LC分類と解析を行うために、新しい軽量(89kパラメータのみ)畳み込みニューラルネットワーク(ConvNet)を提案する。 本研究では,実世界のオープンデータソースを3つ組み合わせて13のチャネルを得る。 組込み分析は、いくつかのクラスにおいて限られたパフォーマンスを期待し、最も類似したクラスをグループ化する機会を与えてくれます。
  論文  参考訳（メタデータ） (2022-01-26T14:58:51Z)
• Deep residential representations: Using unsupervised learning to unlock elevation data for geo-demographic prediction [0.0]
  LiDAR技術は、都市景観と農村景観の詳細な3次元標高マップを提供するために利用することができる。 現在まで、空中LiDAR画像は、主に環境と考古学の領域に限られている。 我々は、このデータの適合性は、独自のだけでなく、人口統計学的特徴と組み合わせたデータの源でもあると考え、埋め込みの現実的なユースケースを提供する。
  論文  参考訳（メタデータ） (2021-12-02T17:10:52Z)
• Alleviating Semantic-level Shift: A Semi-supervised Domain Adaptation Method for Semantic Segmentation [97.8552697905657]
  このタスクの重要な課題は、ソースとターゲットドメイン間のデータ分散の相違を緩和する方法である。 本稿では,グローバルな視点とローカルな視点の両方から分布の整合性を促進できるASS(Alleviating Semantic-level Shift)を提案する。 GTA5、Cityscapes、Synthia、Cityscapesの2つのドメイン適応タスクにASSを適用します。
  論文  参考訳（メタデータ） (2020-04-02T03:25:05Z)

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。