[論文レビュー] Automatic Building Extraction in Aerial Scenes Using Convolutional Networks

Jiangye Yuan|arXiv (Cornell University)|Feb 21, 2016

Automated Road and Building Extraction参考文献 20被引用数 58

ひとこと要約

本論文は、空中画像からの自動的建物抽出を目的として、マルチステージ特徴統合と符号付き距離関数出力表現を備えた深層畳み込みニューラルネットワークを提案する。GISが提供する大規模な建物ポリゴンデータで学習させた本手法は、複雑な都市データセットにおいて高い精度と効率性を達成し、従来手法よりも速度と検出品質の両面で優れている。

ABSTRACT

Automatic building extraction from aerial and satellite imagery is highly challenging due to extremely large variations of building appearances. To attack this problem, we design a convolutional network with a final stage that integrates activations from multiple preceding stages for pixel-wise prediction, and introduce the signed distance function of building boundaries as the output representation, which has an enhanced representation power. We leverage abundant building footprint data available from geographic information systems (GIS) to compile training data. The trained network achieves superior performance on datasets that are significantly larger and more complex than those used in prior work, demonstrating that the proposed method provides a promising and scalable solution for automating this labor-intensive task.

研究の動機と目的

• 建物の外観に極めて大きなばらつきが生じる複雑な空中シーンにおける自動的建物抽出の課題に対処すること。
• 従来の手法が手動で設計された外観基準に依存しており、多様で現実世界の都市データセットでは失敗するという限界を克服すること。
• 豊富なGISラベル付き建物ポリゴンデータを活用して、スケーラブルで一般化可能な建物セグメンテーション用の深層学習モデルを学習すること。
• リモートセンシング画像におけるピクセル単位分類と境界精度を向上させるために、新しいネットワークアーキテクチャと出力表現を開発すること。

提案手法

• 複数段階の特徴マップ統合を可能にするスキップ接続を備えた畳み込みニューラルネットワーク（ConvNet）を設計し、空間的および意味的表現を向上させること。
• 境界表現の向上と局所化精度の向上を目的として、符号付き距離関数（SDF）を出力表現として導入すること。
• 地理的に位置付けられたGISデータベースからの建物ポリゴンデータを活用し、空中画像用の大規模かつ高精度な学習サンプルを構築すること。
• SDF出力に適した損失関数を用いて、エンド・ツー・エンドの誤差逆伝播によりネットワークを学習させ、建物境界の正確な予測を可能にすること。
• プーリング処理で失われた微細な空間的詳細を回復するために、アップサンプリングとマルチスケール統合技術を適用すること。
• ネットワークのアーキテクチャを活用して、高解像度画像全体を効率的に処理することで、従来手法よりも1枚あたりの処理時間を短縮し、推論速度を最適化すること。

実験結果

リサーチクエスチョン

• RQ1 GISが提供する建物ポリゴンデータで学習した深層学習モデルは、外観のばらつきが著しい現実世界の複雑な空中シーンに一般化可能か？
• RQ2 マルチステージ特徴マップ統合は、単一段階ネットワークと比較して、建物セグメンテーションにおけるピクセル単位分類精度を向上させるか？
• RQ3 符号付き距離関数（SDF）出力表現は、境界の局所化精度を向上させ、誤検出を低減できるか？
• RQ4 大規模データセットにおいて、本手法は既存の最先端の建物検出システムと比較して、精度と推論速度の両面で優れているか？
• RQ5 本モデルは、農村部や地理的に特徴の異なる地域を含む、さまざまな地理的地域にどの程度一般化可能か？

主な発見

• 提案手法は、大規模で複雑な空中画像データセットにおいて優れた性能を発揮し、従来手法よりも検出精度と計算効率の両面で優れている。
• 画像1（813棟の建物）では、誤検出数をSU手法の51から45に削減し、検出数を321から708に向上させ、再現率と適合率の両方が向上した。
• 画像2（624棟の建物）では、誤検出数を47から31に削減し、検出数を258から574に向上させ、データセット全体にわたり一貫した向上が確認された。
• システムは1枚のテスト画像を約1分で処理でき、SU手法の20分以上を上回る時間短縮が達成された。
• 都市部および準都市部のシーンへの適用において、強力な一般化能力を示したが、農村部や地理的に特徴の異なる地域では性能が低下した。
• SDF出力表現の使用により、複雑なシーンの変動に対しても境界の正確な区別が可能となり、セグメンテーション品質の向上に寄与した。