希少データでの樹冠セグメンテーション：わずか150枚の画像で主要な事前学習済みモデルをファインチューニング
Sparse Data Tree Canopy Segmentation: Fine-Tuning Leading Pretrained Models on Only 150 Images
記事のポイント
📰ニュース
わずか150枚の画像という希少データで、樹冠セグメンテーションにおける主要AIモデルの性能が評価されました。
🔍注目ポイント
事前学習済みCNNモデルが、Transformerモデルよりも希少データ環境で優れた汎化性能を示すことが判明しました。
🔮これからどうなる
環境モニタリングや都市計画において、限られた画像データでも高精度な樹冠検出が可能になるかもしれません。
Solafuneの樹冠検出コンペティションのデータセットを使用し、YOLOv11、Mask R-CNN、DeepLabv3、Swin-UNet、DINOv2の5つの代表的なアーキテクチャを評価しました。
Transformerベースのモデルは、セマンティックセグメンテーションとインスタンスセグメンテーションのタスクの違いや、Vision Transformerの高いデータ要件、強力な帰納的バイアスの欠如により性能が劣る傾向が見られました。
Transformerベースのモデルは、セマンティックセグメンテーションとインスタンスセグメンテーションのタスクの違いや、Vision Transformerの高いデータ要件、強力な帰納的バイアスの欠如により性能が劣る傾向が見られました。
少ない画像データでもCNNモデルが意外と頑張ってくれるのは、現場でのデータ収集コストを考えると朗報ですね。農業や林業での活用が期待できそうです。