Core Concepts
StrideNETは、Swin Transformerを用いた地形認識と統計的テクスチャ解析による地形特性抽出の新しい手法を提案する。
Abstract
本研究では、StrideNETと呼ばれる新しい双方向アーキテクチャを提案している。StrideNETは、地形認識と地形特性抽出の2つのブランチから構成される。
地形認識ブランチでは、Swin Transformerを活用している。Swin Transformerは階層的な特徴表現を構築し、効率的な計算コストで画像の局所的および大域的な特徴を捉えることができる。
地形特性抽出ブランチでは、統計的なテクスチャ解析手法を用いて、粗さやすべりなどの地形特性を抽出している。パッチごとの分散を計算し、粗さ係数を推定することで、地形の粗さ情報を得ている。
実験結果から、StrideNETは従来手法と比較して優れた地形認識精度を達成している。また、抽出された地形特性情報は、環境監視、土地利用/被覆分類、災害対応、精密農業など、様々な応用分野に活用できる。
Stats
地形の粗さは、パッチごとの分散が大きいほど高くなる。
地形の粗さ係数は、分散に基づいて1 - 1/(1 + 分散)で計算される。
Quotes
"Swin Transformerは、効率的な計算コストで画像の局所的および大域的な特徴を捉えることができる。"
"統計的なテクスチャ解析手法を用いて、地形の粗さやすべりなどの特性を抽出することができる。"