2022 Fiscal Year Annual Research Report
3D land cover mapping from satellite imagery by weakly supervised learning
| Project/Area Number |
22H03609
|
|---|
| Allocation Type | Single-year Grants |
|---|
| Research Institution | The University of Tokyo |
|---|
Principal Investigator |
横矢 直人 東京大学, 大学院新領域創成科学研究科, 准教授 (40710728)
|
|---|
| Co-Investigator(Kenkyū-buntansha) |
Xia Junshi 国立研究開発法人理化学研究所, 革新知能統合研究センター, 研究員 (00830168)
石田 隆 東京大学, 大学院新領域創成科学研究科, 講師 (80888462)
|
|---|
| Project Period (FY) |
2022-04-01 – 2026-03-31
|
| Keywords | リモートセンシング / 土地被覆地図 / 数値標高モデル / 弱教師付き学習 |
|---|
| Outline of Annual Research Achievements |
本年度は，人によるアノテーションなしで入手可能な低コストの教示データを手掛かりに，土地被覆と標高に関する情報を抽出する基盤技術の開発に取り組み，以下３つの項目を実現した．
１）土地被覆地図超解像：低解像度で不正確な土地被覆地図を教示データとして，高解像度リモートセンシング画像から高解像度土地被覆地図を推定する土地被覆地図超解像に取り組んだ．低解像度ラベルのなかで不正確なラベルを学習から除外する弱教師付き学習と，ラベル無し画像から得られる擬似ラベルを利用する半教師付き学習を統合した土地被覆分類アルゴリズムを開発した．土地被覆地図超解像のためのベンチマークデータを用いた評価により，提案手法の有効性を確認した．
２）地上撮影画像を用いた単眼衛星画像からの標高推定の高精度化：単眼衛星画像と空間的に疎な地点で撮影された地上撮影画像から，数値標高モデルを推定する機械学習モデルのプロトタイプを開発した．予備実験により，地上画像から得られる奥行き情報を活かすことで，単眼衛星画像から得られる数値標高モデルの推定精度の向上を確認した．
３）異種画像を用いた土地被覆変化検出：光学センサやSARから得られる異種リモートセンシング画像を用いた土地被覆変化検出に取り組んだ．特に，グラフ表現学習や周波数解析を応用することで，教示データを用いることなく2時期の異種画像から土地被覆の変化検出を実現するアルゴリズムを開発した．土地被覆変化検出のためのベンチマークデータを用いた評価において，最先端の性能を記録した．
|
| Current Status of Research Progress |
Current Status of Research Progress
2: Research has progressed on the whole more than it was originally planned.
Reason
当初設定した本年度の研究項目である，１）土地被覆地図超解像，２）地上撮影画像を用いた単眼衛星画像からの標高推定の高精度化，３）異種画像を用いた土地被覆変化検出について成果が得られたため，順調に進展したといえる．
|
| Strategy for Future Research Activity |
以下３つの課題に取り組む．
１）地上撮影画像を用いた単眼衛星画像からの標高推定の高精度化：複数の都市において評価用のデータを整備し，開発手法の性能を検証するとともに改良を試みる．また，地上撮影地点の効率的なサンプリング方法を明らかにする．
２）合成データを用いた3次元土地被覆地図作成：CG技術を応用し単眼衛星画像からの3次元土地被覆地図作成のための合成データを構築する．太陽高度・入射角などの観測条件と，土地被覆地図のレイアウトを制御して多様な画像を生成する．合成データで学習したモデルを実データに応用し，リアリティギャップとその要因を明らかにする．
３）単一時期画像からの教師なし学習による土地被覆変化検出：ラベルが付与されていない単一時期の画像のみを用いて土地被覆変化検出モデルを構築するアルゴリズムを開発する．都道府県規模の大規模なシーンでの実験を実施し，土地被覆地図の自動更新への有効性を検証する．
|
