Using a new deep learning approach to properly segment multiscale geographic objects

使用新的深度学习方法正确分割多尺度地理对象

基本信息

批准号：
22KF0051
负责人：
松下文経
金额：
$ 1.41万
依托单位：
University of Tsukuba
依托单位国家：
日本
项目类别：
Grant-in-Aid for JSPS Fellows
财政年份：
2023
资助国家：
日本
起止时间：
2023-03-08 至 2024-03-31
项目状态：
已结题

来源：
https://kaken.nii.ac.jp/grant/KAKENHI-PROJECT-22KF0051/
关键词：
屋根の抽出深層学習 U-Net 目標分布の不均衡転移学習

项目摘要

深層学習技術を用いた屋根の抽出に関する研究は、コンピュータービジョン分野とリモートセンシング画像処理分野において盛んに行われながらも挑戦的な研究分野である。ただし、ほとんどの研究はさまざまな深層学習モデルの開発と改良に焦点を当てており、ネットワーク構造の基本要素と画像構成のバランス（すなわち、屋根と背景の比率）の調査に焦点を当てた研究は少ないのが現状である。そこで本研究は、ネットワーク構造の基本要素（Backboneやネットワークの深さなど）およびトレーニング画像の構成バランスを、世界中で広く利用されているU-Netを用いて調査した。まず、既存の深層学習ネットワーク（VGG13、VGG19、ResNet18、DarkNet19、ResNet50、DarkNet53）に対して総合的な分析を行った。その結果、事前に大量のトレーニングデータで学習したBackboneに基づく再学習は、ネットワーク構造の改善や学習層（ネットワークの深さ）を増やすよりも、屋根の分類精度が高くなる。また、トレーニング画像における屋根の占有率（imbalance問題）が抽出精度に大きな影響を与えることも明らかにした。さらに、先行研究で提案されたネットワークの残差構造が屋根の抽出に負の影響を及ぼす可能性があることも示した。以上を踏まえ、残差構造をU-Netに取り込まないこと、事前に学習したU-NetのBackboneを再学習させること、画像構成のバランスを考慮して最適なネットワークを選択することなどの工夫を行い、建物屋根の抽出精度を向上させた。

尽管在计算机视觉和遥感图像处理领域积极进行，但使用深度学习技术进行屋顶提取的研究是一个充满挑战的研究领域。但是，大多数研究着重于开发和改进各种深度学习模型，目前几乎没有研究重点是研究网络结构和图像结构的基本要素（即屋顶与背景的比率）之间的平衡。因此，本研究研究了网络结构的基本要素（例如骨干和网络深度）以及使用U-NET的训练图像的组成平衡，U-NET已广泛使用。首先，对现有的深度学习网络进行了全面分析（VGG13，VGG19，Resnet18，darknet19，resnet50，darknet53）。结果，基于骨干的重新学习，该骨干已通过大量培训数据进行了预先训练的培训，它提高了屋顶分类的准确性，而不是改善网络结构或增加学习层（网络深度）。还发现，训练图像中的屋顶占用率（不平衡问题）对提取准确性有重大影响。此外，这还表明，先前研究中提出的网络的残余结构可能会对屋顶提取产生负面影响。基于上述内容，我们已努力防止剩余结构被进口到U-NET，以重新训练已提前训练的U-NET主干，并选择最佳网络考虑图像结构的平衡，从而提高了建筑屋顶提取的准确性。