本研究では、リモートセンシングにおける一般化された少量学習セマンティックセグメンテーションの課題とベンチマークを提案している。
まず、OpenEarthMapデータセットを拡張し、15クラスの細粒度な土地被覆ラベルを持つOEM-GFSSデータセットを作成した。これは、一般化された少量学習セマンティックセグメンテーションの設定に適したデータセットである。
次に、この課題に対するベースラインモデルとして、状態の最先端の一般化された少量学習セマンティックセグメンテーション手法であるDIaMを適用した。さらに、5つの優秀な提案手法の結果も示した。これらの手法は、ラベル付きデータが少ない状況下でのベース/新規クラスの両方の性能を向上させるための様々な戦略を採用している。
最後に、提案するOEM-GFSSデータセットとベンチマークを公開することで、リモートセンシングにおける少量学習の研究を促進することが期待される。
Till ett annat språk
från källinnehåll
arxiv.org
Djupare frågor