[論文レビュー] Image Classification Using SVMs: One-against-One Vs One-against-All

Anthony Gidudu, Greg Hulley+1 more|ArXiv.org|Nov 19, 2007

Remote-Sensing Image Classification参考文献 13被引用数 89

ひとこと要約

本論文は、土地被覆マッピングのための画像分類において、サポートベクターマシン（SVM）のトレーニングに用いられるワンアインストゥワン（1A1）およびワンアインストゥオール（1AA）戦略を評価する。リモートセンシングデータを用いて、1AAはより多くの未分類および混合ピクセルを生じるが、両手法とも統計的に同等の分類精度を示すことが判明した。したがって、著者らは手法の選択は主にデータセット依存であり、好みの問題であると結論づけている。

ABSTRACT

Support Vector Machines (SVMs) are a relatively new supervised classification technique to the land cover mapping community. They have their roots in Statistical Learning Theory and have gained prominence because they are robust, accurate and are effective even when using a small training sample. By their nature SVMs are essentially binary classifiers, however, they can be adopted to handle the multiple classification tasks common in remote sensing studies. The two approaches commonly used are the One-Against-One (1A1) and One-Against-All (1AA) techniques. In this paper, these approaches are evaluated in as far as their impact and implication for land cover mapping. The main finding from this research is that whereas the 1AA technique is more predisposed to yielding unclassified and mixed pixels, the resulting classification accuracy is not significantly different from 1A1 approach. It is the authors conclusion therefore that ultimately the choice of technique adopted boils down to personal preference and the uniqueness of the dataset at hand.

研究の動機と目的

• 土地被覆マッピングのための画像分類において、ワンアインストゥワン（1A1）およびワンアインストゥオール（1AA）SVM戦略の性能を評価すること。
• それぞれのアプローチが分類精度およびピクセル分類結果（特に未分類および混合ピクセル）に与える影響を評価すること。
• リモートセンシング応用において、一方の手法が他方を一貫して上回るかどうかを特定すること。
• データセットの特性および実用的考慮事項に基づいて、手法選択の指針を提供すること。

提案手法

• 本研究では、本質的に二値分類器であるサポートベクターマシン（SVM）を、1A1および1AA戦略を用いて多クラス画像分類に適応する。
• 1A1アプローチでは、各クラスペアに対して複数の二値分類器をトレーニングし、投票メカニズムによって最終的なクラスを決定する。
• 1AAアプローチでは、各クラスに対して他のすべてのクラスと比較する単一の二値分類器をトレーニングし、クラスごとに1つの分類器が得られる。
• 分類性能は、リモートセンシング画像データ上で標準的な指標（全体精度およびユーザーの生産者精度など）を用いて評価される。
• 本研究では、2つの戦略を同一条件下で比較するために、実世界の土地被覆マッピングデータセットを用いる。
• 分析には、特に各手法が生じさせる未分類および混合ピクセルの数を含む分類結果の検討が含まれる。

実験結果

リサーチクエスチョン

• RQ1 土地被覆マッピングにおいて、1A1および1AA SVM戦略の全体的な分類精度はどのように比較されるか？
• RQ2 各戦略が最終分類出力における未分類および混合ピクセルの数に与える影響は何か？
• RQ3 異なる土地被覆データセットにおいて、一方の手法が他方よりも一貫して信頼性が高く安定した分類を生じるか？
• RQ4 データセット固有の特性が、1A1および1AA戦略の選択にどの程度影響を及えるか？

主な発見

• ワンアインストゥオール（1AA）アプローチは、ワンアインストゥワン（1A1）アプローチと比較して、より多くの未分類および混合ピクセルを生じる。
• ピクセル分類結果に差異があるものの、1A1および1AA手法間の全体的な分類精度に有意差は認められない。
• 1AA手法は、二値分類におけるクラス分布の不均衡のため、ピクセルを誤分類しやすい傾向にある。
• 本研究では、精度の観点から1A1および1AAの間に統計的に有意な差異は認められず、両手法が土地被覆分類に実用的であることが示された。
• 1A1および1AAの選択は、最終的にはデータセットおよびユーザーの好みに依存するものであり、普遍的に優れた手法は存在しない。