本論文では、リモートセンシング画像の半教師あり学習において、時空間メタデータを活用する新しい手法を提案している。リモートセンシング画像には一般的に位置情報と撮影時間といったメタデータが付随しており、これらの情報は土地被覆などのセマンティックな概念と強く関連している。
提案手法では、教師モデルがメタデータを入力として利用し、高品質な疑似ラベルを生成する。一方、生徒モデルはメタデータを入力として使用せず、教師モデルが生成した疑似ラベルを利用して学習する。これにより、生徒モデルは時空間分布の変化に対して頑健になる。さらに、教師モデルの時空間的な推論を生徒モデルに効果的に伝達するための新しい蒸留メカニズムを導入している。
提案手法は、BigEarthNetやEuroSATなどの既存の半教師あり学習ベンチマークで、従来手法に比べて一貫して高い性能を示している。また、時空間メタデータを直接入力として使用するモデルは、訓練データ外の時空間分布に対して一般化が悪化するが、提案手法の生徒モデルはこの問題を回避できることを実験的に示している。
To Another Language
from source content
arxiv.org
Deeper Inquiries