Satelite Image Analysis
小さい頃から地図を見ることが好きな(今ではGoogle map)自分ですが、いつのまにか解像度の高い衛星画像が無料公開されているとは知りませんでした。またSentinel2など、衛星画像もオープンデータ化し誰でも利用できるようになりつつあります。これからの時代はビジネスや農業での衛星データや航空データの利活用がさらに重要になってくると思われます。そこでもセンサー情報や認識技術が重要なコア技術になると予測しています。
以下はMobileNetを用いた転移学習で住宅認識をしてみた一例です。ImageNetで学習済みのMobileNetをエンコーダー側として、デコーダー側のアップサンプリングレイヤーのみを学習して認識させてみました。左側がオリジナル、右側では認識した部分を赤くラベリングさせています。
Input
Test image / Aerial Image Dataset
Output
これは学習データと上記テストデータ側のバイアスが少なかった例ですが、一般画像では色味の変動や撮像画像の劣化など多くの擾乱に対応する必要がありそうです。
ただこのままでは認識した部分の面積しかわかりません。この程度の認識情報で自然界の事象を説明できる例もあるでしょうが、個体毎の領域識別(Instance segmentation)、より多くの識別ラベルなど付与すればより多くの情報を得ることができます。また領域情報をスカラー値でなくベクトル(もしくはVertex)情報に変換できるようになれば、飛躍的に認識情報をデジタル化できるようになるはずです。
実際、衛星データや航空写真を用いた農業の変革やサーベイランスサービスが始まっているようで、新たなセンシング領域としてとても興味をもってます。
以下は上記画像の生成・学習に用いたtf2のdemoコードです。