日本亚米级土地覆盖制图
计算机视觉与模式识别
2023-11-21 v1 机器学习
摘要
深度学习在亚米级制图任务中已展现出良好性能；然而，亚米级影像的标注成本仍是一项挑战，尤其在大规模应用时。在本文中，我们以较低的标注成本呈现了日本首个包含八类的亚米级土地覆盖制图。我们引入了一种人在回路的深度学习框架，利用近期提出的全球亚米级土地覆盖制图基准数据集 OpenEarthMap，结合 U-Net 模型，以少量额外标注数据实现全国尺度制图。通过添加少量在 OpenEarthMap 上训练的 U-Net 模型明显失败的区域标注数据并重新训练模型，总体精度达到 80%，较重训练前提升近 16 个百分点。利用日本国土地理院提供的航空影像，我们制作了日本全国八类土地覆盖分类图。我们的框架凭借低标注成本与高精度制图结果，展示了利用亚米级光学遥感数据助力国家级土地覆盖制图自动更新的潜力。制图结果将公开提供。
引用
@article{arxiv.2311.11252,
title = {Submeter-level Land Cover Mapping of Japan},
author = {Naoto Yokoya and Junshi Xia and Clifford Broni-Bediako},
journal= {arXiv preprint arXiv:2311.11252},
year = {2023}
}
备注
16 pages, 10 figures