[論文レビュー] Building-Level Comparison of Microsoft and Google Open Building Footprints Datasets (Short Paper)

Wojciech Sirko, Sergii Kashubin+8 more|arXiv (Cornell University)|Jul 26, 2021

Remote-Sensing Image Classification参考文献 17被引用数 218

ひとこと要約

本論文は、50 cm解像度の衛星画像を用いてアフリカ全域の建物の輪郭を検出するスケーラブルなU-Netベースの深層学習パイプラインを提示する。ミックスアップデータ増強、ソフトKL損失を用いた自己学習、最適化された後処理を統合することで、最先端の性能を達成し、5億1600万個の建物の輪郭を含むOpen Buildingsデータセットを生成した。

ABSTRACT

Identifying the locations and footprints of buildings is vital for many practical and scientific purposes. Such information can be particularly useful in developing regions where alternative data sources may be scarce. In this work, we describe a model training pipeline for detecting buildings across the entire continent of Africa, using 50 cm satellite imagery. Starting with the U-Net model, widely used in satellite image analysis, we study variations in architecture, loss functions, regularization, pre-training, self-training and post-processing that increase instance segmentation performance. Experiments were carried out using a dataset of 100k satellite images across Africa containing 1.75M manually labelled building instances, and further datasets for pre-training and self-training. We report novel methods for improving performance of building detection with this type of model, including the use of mixup (mAP +0.12) and self-training with soft KL loss (mAP +0.06). The resulting pipeline obtains good results even on a wide variety of challenging rural and urban contexts, and was used to create the Open Buildings dataset of 516M Africa-wide detected footprints.

研究の動機と目的

• 限られた地上走査データを有する発展途上地域における大規模な建物検出を対処する。
• アフリカの都市、農村、砂漠地域など多様な文脈におけるインスタンスセグメンテーションの性能を向上させる。
• 深層学習を用いた大陸規模のマッピングに適した汎用的でスケーラブルなパイプラインを開発する。
• 科学的および人道的利用を目的とした高精度でオープンアクセス可能な建物の輪郭データセットを生成する。

提案手法

• アフリカ全域で100万枚の衛星画像と175万件の手動ラベル付き建物を用いてU-Netモデルを学習した。
• mAPを+0.12向上させるためにミックスアップデータ増強を適用した。
• ソフトKL損失を用いた自己学習により、mAPを+0.06向上させた。
• 境界検出を強化するため、ガウス畳み込みを用いた距離重み付き損失を採用した。
• 予測の精度を向上させるために、残差デコーダーブロックと形態的操作による前処理を実装した。
• 重複検出を統合するために、信頼度ベースの重複除去と輪郭化処理を適用した。

実験結果

リサーチクエスチョン

• RQ1 アーキテクチャの選択と損失関数は、建物インスタンスセグメンテーションにおけるU-Netの性能にどのように影響するか？
• RQ2 低リソースで変動の大きい衛星画像データにおいて、ミックスアップと自己学習は検出mAPをどの程度向上させ得るか？
• RQ3 輝度、粗い/細かい位置情報のデータで事前学習すると、モデルの一般化性能にどのように影響するか？
• RQ4 信頼度ベースの統合と輪郭化処理を用いた後処理は、大規模出力における誤検出をどれほど低減できるか？

主な発見

• 最終的なパイプラインは、ImageNetで事前学習し、輝度データでファインチューニングした場合、平均平均精度（mAP）が0.610に達した。
• ミックスアップデータ増強により、ベースラインと比較してmAPが+0.12向上した。
• ソフトKL損失を用いた自己学習により、mAPが+0.06向上した。
• 農村、都市、砂漠地域を含む多様な地域においても、モデルは強固な性能を維持した。
• 重複除去と輪郭化処理を経て、パイプラインはアフリカ全域で5億1600万個の建物の輪郭を生成した。
• 90%の精度を達成するための信頼度スコアのしきい値が導出され、地域別品質管理が可能になった。