[論文レビュー] LandCover.ai: Dataset for Automatic Mapping of Buildings, Woodlands and Water from Aerial Imagery.

Adrian Boguszewski, Dominik Batorski+3 more|arXiv (Cornell University)|May 5, 2020

Remote-Sensing Image Classification参考文献 31被引用数 10

ひとこと要約

LandCover.ai は、216.27 km² の農村ポーランド地域をカバーする、建物、森林、水域のセマンティックセグメンテーションを目的とした、公開可能で高解像度の航空写真データセットを提供する。ピクセルあたり 50 cm および 25 cm の解像度で、詳細な手動アノテーションを備えている。このデータセットは、ベンチマークで 90.18% の平均交差率（mIoU）を達成し、コスト効率の高い RGB 僅どのデータでも正確な自動土地被覆マッピングを実現可能であることを示している。

ABSTRACT

Monitoring of land cover and land use is crucial in natural resources management. Automatic visual mapping can carry enormous economic value for agriculture, forestry, or public administration. Satellite or aerial images combined with computer vision and deep learning enable the precise assessment and can significantly speed up the process of change detection. Aerial imagery usually provides images with much higher pixel resolution than satellite data allowing more detailed mapping. However, there is still a lack of aerial datasets that were made for the segmentation, covering rural area with resolution of tens centimeters per pixel, manual fine labels and highly publicly important environmental instances like buildings, woods or water. Here we introduce this http URL (Land Cover from Aerial Imagery) dataset for semantic segmentation. We collected images of 216.27 sq. km rural areas across Poland, a country in Central Europe, 39.51 sq. km with resolution 50 cm per pixel and 176.76 sq. km with resolution 25 cm per pixel and manually fine annotated three following classes of objects: buildings, woodlands, and water. Additionally, we report simple benchmark results, achieving 90.18% of mean intersection over union on the test set. It proves that the automatic mapping of land cover is possible with relatively small, cost efficient, RGB only dataset. The dataset is publicly available at this http URL

研究の動機と目的

• 農村地域におけるセマンティックセグメンテーションのための、公開可能で高解像度かつ詳細なアノテーションが施された航空データセットの不足に対処すること。
• 農業、森林管理、公共行政などの分野における自動土地被覆マッピングを支援すること。
• センチメートルレベルの解像度と、建物、森林、水域といった重要な環境的特徴の正確なラベルを備えたベンチマークデータセットを提供すること。
• 多スペクトルデータや LiDAR を使用せずに、RGB 僅どの航空画像のみで高精度なセマンティックセグメンテーションが達成可能であることを示すこと。

提案手法

• ポーランドの農村地域から、合計 216.27 km² の航空写真を収集し、そのうち 39.51 km² がピクセルあたり 50 cm、176.76 km² がピクセルあたり 25 cm の解像度である。
• 建物、森林、水域の3つのセマンティッククラスについて、高精度を確保するための詳細な手動アノテーションを実施。
• RGB 僅どの入力を用いて訓練された標準的なディープラーニングモデルを用いてセマンティックセグメンテーションを実行。
• ホールドアウトされたテストセットを用いて、平均交差率（mIoU）を用いて性能をベンチマーク評価。
• 再現可能性とコミュニティ利用を促進するため、専用の URL からデータセットを公開。
• 標準的なコンピュータビジョンパイプラインを適用し、変化検出およびセグメンテーション精度を評価。

実験結果

リサーチクエスチョン

• RQ1 比較的小規模な公開可能で、RGB 僅どの航空画像からなるデータセットが、主要な土地被覆タイプのセマンティックセグメンテーションで高い性能を達成できるか？
• RQ2 25 cm 解像度の画像が、50 cm 解像度のデータに比べてセグメンテーション精度にどのように影響を与えるか？
• RQ3 詳細な手動アノテーションが、農村地域の土地被覆マッピングにおけるモデルの汎化性能をどの程度向上できるか？
• RQ4 コスト効率の高いデータ収集および処理パイプラインを用いて、建物、森林、水域の自動マッピングが実現可能か？

主な発見

• LandCover.ai データセットは、テストセットで平均交差率（mIoU）が 90.18% を達成し、高いセグメンテーション精度を示している。
• データセットには、39.51 km² がピクセルあたり 50 cm、176.76 km² がピクセルあたり 25 cm の解像度を持つ、合計 216.27 km² のポーランド農村地域の地形が含まれている。
• 建物、森林、水域の3つの重要な土地被覆クラスについて、スケールに応じた詳細な手動アノテーションが成功裏に作成された。
• 結果から、マルチスペクトルデータや LiDAR を使用せずに、RGB 僅どの航空画像のみで高精度なセマンティックセグメンテーションが実現可能であることが示された。
• データセットは公開されており、土地被覆マッピング分野における再現可能で標準化された研究やベンチマークに貢献できる。
• ベンチマーク結果から、コスト効率の高い高解像度 RGB データが、正確かつスケーラブルな土地被覆評価を可能にすることが確認された。