深層学習画像生成技術による植生リモートセンシング画像補間及び異常検知技術の開発

2020 Fiscal Year Research-status Report

• Project/Area Number: 20K21345
• Research Institution: The University of Tokyo
• Principal Investigator: 細井 文樹 東京大学, 大学院農学生命科学研究科(農学部), 准教授 (80526468)
• Project Period (FY): 2020-07-30 – 2023-03-31
• Keywords: 深層学習 / 樹木 / 点群画像 / ライダー

Outline of Annual Research Achievements

初年度である前年度は、まずは処理を行うためのデータ選定を行なった。これまでライダーにより取得した地上ならびに上空からの樹木群落を対象としたライダーデータについて、両者がセットになっているものをセレクトし、ビームの対象樹への照射状況や樹冠内部へのビーム浸透度を確認し、使用に適するものをセレクトした。データとしてはまだ十分ではなかったので、今後も実測を継続し、データを増やしていく必要があることを確認した。選択したデータについては、上空と地上で位置合わせを行い、対応する樹冠内部の位置を合わせるようにした。処理に用いる画像生成系深層学習ネットワークについては、処理コードを本対象に合わせる作業と、動作確認を行い、データ欠損部の補間のためのツールの準備を行なった。その過程で、セマンティックセグメンテーションの動作コードを入手し、特に樹木の状態の識別とその分離をピクセル単位で行えることを確認し、倒木という樹木の最終状態にある個体の識別が可能であることが確認された。当初予定していた深層学習アルゴリズムとはまた異なるものを利用することで、本研究の目的にかなうものがあることが確認できた。

Current Status of Research Progress

2: Research has progressed on the whole more than it was originally planned.

Reason

処理に必要なデータセットが確認でき、何が不足しているかも明確になったため。また、深層学習の処理コードの準備も進め、実際のデータを使って学習するめどがたったため。さらに、セマンティックセグメンテーションなど、そのほかに有効な方法の確認もでき、そのための画像データセットについても準備を行なったため。

Strategy for Future Research Activity

過去において取得したライダーデータセットの不足分を追加すべく、フィールド測定を追加する。そのもとに十分な量のトレーニングデータを確保し、実際に画像生成系ネットワークの学習を行う。生成された画像と実際の樹冠内部データを比較し、ネットワークの適性度を把握、さらなる学習を加えていく。病変などの把握のためのデータについては、ライダーデータに加え、衛星や航空機の画像もさらに探索して入手、利用し、さらに今回確認したピクセル単位の分類器も利用しながら、適切な処理方法を検討する。

Causes of Carryover

当該年度においてはデータ解析を行う以前のデータチェックや計算コードの作成を主として行い、フィールド測定とその計算に必要な機器の購入は次年度からとなったため、次年度使用額が生じた。