こんにちは。エンジニアライターの小原です。

連載「現場にコミットする機械学習ノート」では、論文を詳しく読み解きながら、現場で使えるAI実装のヒントを記録していきたいと思います。

前回から数回にわたって、農業のDXに使えそうな「衛星データ×土地分類」の研究を紹介しています。データの種類、手法を記事ごとに比較してみると面白いかもしれません。

前回の記事では、「RNNによる農地作物の分類」を扱いました。今回は、中国の武漢大学のY. Chunjingらが2017年9月に発表した「CNNによる土地の分類」に関する論文を扱っていきます。

もくじ
1章　リモートセンシング画像の分類性能における課題
2章　CNNと衛星データを用いた土地の分類
2.1　研究目的
2.2　研究手法
2.2.1　データ
2.2.2　提案モデル
2.2.3　学習により最適化されたパラメータ
2.2.4　実験の概要
2.3　研究結果
2.3.1　手法ごとの性能比較

【現場にコミットする機械学習ノート・バックナンバー】

【vol.1】ウェハーの欠陥の分類
【vol.2】うつ病の分類
【vol.3】RNNによる農地作物の分類 #農業DXシリーズ
【vol.4】CNNによる土地の分類 #農業DXシリーズ
【vol.5】土地分類の一般化 #農業DXシリーズ
【vol.6】エッジデバイスで動く異常検知システム
【vol.7】エッジAIで異常を早期警告」
【vol.8】監視カメラ映像から危険物を検出
【vol.9】冬の画像を夏の画像に変換するAI技術
【vol.10】フルHDのアイトラッキング
【vol.11】可視光データで洪水状況を把握
【vol.12】衛星データとGoogle Earthエンジンで洪水を把握
【vol.13】音響を深層学習で船舶の種類を分類
【vol.14】キャベツ苗の欠陥を識別

すべてのバックナンバーはこちら

■前回の記事：【vol.3】RNNによる農地作物の分類

1章
リモートセンシング画像の分類性能における課題

人工衛星などを用いて遠隔からセンシングするリモートセンシングは、農業の管理や推定において有用です。リモートセンシングを用いることで、作物の分類や統計調査といった作業が効率化しうるからです。

近年、研究者たちは複数の新しい手法を提案してきました。しかし、リモートセンシングで得られた画像が高解像度であるほど、特徴量や周辺環境が複雑かつ断片化するため、従来の分類手法では農業問題の基準に合致した精度が得られていないのが現状の課題として挙げられます。

そこで、中国のY. Chunjingらは、リモートセンシング画像による作物分類性能を向上させるために、CNNによる分類を試みました。

2章
CNNと衛星データを用いた土地の分類

まずはY. Chunjingらの研究におけるミッション・手法・結果をまとめます。