[論文レビュー] AID++: An Updated Version of AID on Scene Classification

Pu Jin, Gui-Song Xia+3 more|arXiv (Cornell University)|Jun 3, 2018

Remote-Sensing Image Classification参考文献 7被引用数 7

ひとこと要約

本論文では、既存の地理空間データベースを用いた準自動アノテーションにより作成された、46のシーンカテゴリにまたがる40万枚を超える画像を有する大規模な空中画像データセットAID++を紹介する。このデータセットにより、深層畳み込みニューラルネットワーク（CNN）の訓練が顕著に向上し、ImageNet やより小さなリモートセンシングデータセットと比較して、SOTA（最先端）の性能とより優れた一般化性能を達成するモデルの事前学習が可能となる。

ABSTRACT

Aerial image scene classification is a fundamental problem for understanding high-resolution remote sensing images and has become an active research task in the field of remote sensing due to its important role in a wide range of applications. However, the limitations of existing datasets for scene classification, such as the small scale and low-diversity, severely hamper the potential usage of the new generation deep convolutional neural networks (CNNs). Although huge efforts have been made in building large-scale datasets very recently, e.g., the Aerial Image Dataset (AID) which contains 10,000 image samples, they are still far from sufficient to fully train a high-capacity deep CNN model. To this end, we present a larger-scale dataset in this paper, named as AID++, for aerial scene classification based on the AID dataset. The proposed AID++ consists of more than 400,000 image samples that are semi-automatically annotated by using the existing the geographical data. We evaluate several prevalent CNN models on the proposed dataset, and the results show that our dataset can be used as a promising benchmark for scene classification.

研究の動機と目的

• 深層畳み込みニューラルネットワーク（CNN）の学習に適した大規模で多様なリモートセンシング画像データセットの不足に対処すること。
• AID や UCM のような既存のデータセットが小さく多様性に欠けるという制限を克服すること。
• より大きな、より代表的なベンチマークを提供することで、リモートセンシング分野におけるCNNモデルの一般化性能を向上させること。
• 既存の地理空間データを活用した効率的でスケーラブルな大規模画像アノテーション手法の開発。
• 意味的曖昧性を低減し、シーンクラスの意味的組織を向上させるための階層的カテゴリーネットワークの構築。

提案手法

• 土地利用および土地被覆基準に基づき、8つのトップレベル、26のミドルレベル、46のリーフレベルの3段階階層的カテゴリーネットワークを構築する。
• Google Maps API や OpenStreetMap などの既存の地理空間データベースを活用し、各意味的カテゴリの座標を自動で抽出する。
• 抽出された座標を用いて、画像リポジトリから高解像度の空中画像を照会・ダウンロードし、コアデータセットを構築する。
• 地理的タグ付きデータを画像にリンクすることで準自動アノテーションを実施し、人的ラベル付け作業を顕著に削減する。
• 誤ってラベル付けされた画像を除外し、データ品質を向上させるために手動による検証を実施する。
• 階層的組織化を通じてカテゴリの分離性と意味的明確性を維持しつつ、40万枚を超える画像にスケーリングする。

実験結果

リサーチクエスチョン

• RQ1 大規模で準自動的にアノテートされたデータセットは、空中シーン分類における深層畳み込みニューラルネットワーク（CNN）の性能と一般化性能を向上させることができるか？
• RQ2 シーンカテゴリの階層的組織化は、モデル性能および意味的明確性にどのように影響するか？
• RQ3 AID++で事前学習されたモデルは、ImageNet やより小さなデータセット（例：AID, NWPU, RSI-CB）で事前学習されたモデルと比較して、下流のリモートセンシングタスクにおける転移学習性能を向上させるか？
• RQ4 AID++のスケールと多様性は、既存のリモートセンシングデータセットの制限をどの程度軽減するか？
• RQ5 異なるCNNアーキテクチャは、他のベンチマークと比較してAID++で学習した際にどのように性能を発揮するか？

主な発見

• AID++データセットには、46のシーンカテゴリにまたがる40万枚を超える高解像度の空中画像が含まれており、元のAIDデータセットを著しく拡張している。
• ResNet および DenseNet がAID++において最高の分類精度を達成し、DenseNetは全データセットで86.61％の全体精度に到達した。
• WHU-19ベンチマークでテストしたところ、AID++で事前学習したモデルは、ImageNet や他のリモートセンシングデータセット（例：AID, NWPU, RSI-CB）で事前学習したモデルと比較して、97.38％の精度を達成し、優れた性能を示した。
• 階層的カテゴリーネットワークは意味的混乱を顕著に低減し、モデルの解釈可能性と性能を向上させた。
• 学習データの割合を増加させることで分類精度が上昇し、深層学習におけるスケールの利点を裏付けた。
• 土地被覆カテゴリでは90％を超える精度を達成したが、土地利用カテゴリでは低い性能を示し、類似した機能的用地利用を区別する課題が依然として残っている。