[論文レビュー] A New Mask R-CNN Based Method for Improved Landslide Detection

Silvia Liberata Ullo, Amrita Mohan+5 more|arXiv (Cornell University)|Oct 4, 2020

Landslides and related hazards参考文献 30被引用数 9

ひとこと要約

この論文では、ピクセル単位のセグメンテーションとトランスファーラーニングを用いて、より優れた landslides 検出を実現する新しい Mask R-CNN ベースの手法を提案している。160枚の landslides および非 landslides の画像からなる小さなデータセットを拡張し、バックボーンに ResNet-101 を用いて微調整することで、モデルは 97% の F1 スコア、100% の精度、93% の再現率を達成し、限られた学習サンプルでも優れた性能を示している。

ABSTRACT

This paper presents a novel method of landslide detection by exploiting the Mask R-CNN capability of identifying an object layout by using a pixel-based segmentation, along with transfer learning used to train the proposed model. A data set of 160 elements is created containing landslide and non-landslide images. The proposed method consists of three steps: (i) augmenting training image samples to increase the volume of the training data, (ii) fine tuning with limited image samples, and (iii) performance evaluation of the algorithm in terms of precision, recall and F1 measure, on the considered landslide images, by adopting ResNet-50 and 101 as backbone models. The experimental results are quite encouraging as the proposed method achieves Precision equals to 1.00, Recall 0.93 and F1 measure 0.97, when ResNet-101 is used as backbone model, and with a low number of landslide photographs used as training samples. The proposed algorithm can be potentially useful for land use planners and policy makers of hilly areas where intermittent slope deformations necessitate landslide detection as prerequisite before planning.

研究の動機と目的

• 段丘地帯における早期警報および土地利用計画のため、深層学習を用いた頑健な landslides 検出システムの開発。
• lanslides 検出に必要な学習データが限られているという課題に対処するため、データ拡張とトランスファーラーニングを活用。
• 地理空間画像における instance セグメンテーションの能力を活かして、セグメンテーションの正確性を向上。
• 標準的な指標（精度、再現率、F1）を用いて、lanslides および非 landslides 画像のキュレートされたデータセット上でモデルの性能を評価。
• 土地利用計画者や政策立案者にとって、インfra構築の前段階で斜面不安定性を検出できる実用的なツールを提供。

提案手法

• この手法は、instance セグメンテーションを可能にする Mask R-CNN を用い、衛星画像や航空写真における landslides のピクセル単位の局所化を実現。
• 学習および評価のため、lanslides および非 landslides の両方のサンプルを含む、160枚の画像からなるカスタムデータセットを構築。
• 訓練データセットの有効なサイズを拡大し、モデルの一般化能力を向上させるために、データ拡張技術を適用。
• ImageNet で事前学習された ResNet-50 および ResNet-101 をバックボーンとして初期化することで、限られたデータでも特徴の学習を強化するため、トランスファーラーニングを活用。
• 2段階の訓練プロセス（特徴抽出 → エンドツーエンドの微調整）を用いて、拡張されたデータセット上でモデルを微調整。
• 検出の正確性と頑健性を評価するため、保持されたテストセット上で精度、再現率、F1 スコアを用いて性能を評価。

実験結果

リサーチクエスチョン

• RQ1 160枚の画像という小さなデータセットで学習した場合、トランスファーラーニングを用いた Mask R-CNN は高精度な landslides 検出を達成できるか？
• RQ2 限られた学習サンプルをもつ landslides 検出モデルにおいて、データ拡張は一般化性能にどのように影響するか？
• RQ3 lanslides instance セグメンテーションにおいて、ResNet-50 と ResNet-101 はそれぞれどのように性能を発揮するか？
• RQ4 限られたアノテーション付き学習データで、深層学習モデルが高精度の精度と再現率を達成できる範囲はどの程度か？
• RQ5 提案手法は、土地利用計画および斜面安定性モニタリングの実用的応用を支援できるか？

主な発見

• ResNet-101 をバックボーンとして使用した場合、精度は 1.00、再現率は 0.93、F1 スコアは 0.97 を達成した。
• 160枚の学習画像のみで、モデルは優れた一般化能力と頑健性を示し、実世界への展開に大きな可能性を示している。
• データ拡張の適用により、訓練サンプルの多様性が向上し、モデルの性能が顕著に向上した。
• F1 スコアおよび再現率の観点から、ResNet-101 は ResNet-50 よりも優れており、この文脈ではより深いネットワークがトランスファーラーニングの恩恵をより大きく受けられると示唆している。
• 高い精度は、誤検出（偽陽性）が最小限に抑えられていることを示しており、土地利用計画における信頼性の高い意思決定にとって重要である。
• 結果から、限られたデータでも、トランスファーラーニングを用いた Mask R-CNN がピクセル単位の landslides セグメンテーションに非常に効果的であることが確認された。