勉強会 【AIセミナ】宇宙から地球を見守る人工知能
【第37回AIセミナー】宇宙から地球を見守る人工知能
■ 日時：2019/10/07 15:00ｰ17:00
■ 感想
→ サテライト衛星からの画像認識の技術
通常の画像認識とは違うノウハウの宝庫と再認識
→ 社会インフラや新ビジネス創世に重要な技術
色々と新しい見知が得られて有意義なセミナであった
■ 開催・資料
（セミナ・メモ）
● リモートセンシング画像認識への深層学習の応用
濱口 竜平 （株式会社パスコ AIエンジニア）
概要：
近年、地球観測衛星のセンサー性能向上や衛星コンステレーション技術の進展により、
リモートセンシング画像の空間・時間分解能は大きく向上してきている。
それに伴い、人間のエキスパートによる判読の許容量をはるかに超える量の
画像データが日々蓄積されており、機械学習技術、
その中でも特に深層学習による情報の自動抽出に注目が集まっている。
しかしながら、地上視点画像の認識を中心に発展してきた深層学習手法を
リモートセンシングという異なるドメインの問題に単純に適用することは得策ではない。
そこにはリモートセンシング画像特有の技術的課題が存在するためである。
本セミナーではそこにどのような技術的課題があるかを明らかにするとともに、
これら課題に対し近年の研究の中でどのようなアプローチが取られているのかを紹介する。
・リモートセンシングと深層学習
→ 衛星画像データの質・量の増加
→ コンスとレーション計画 → ミニ衛星 → LandSat公開
→ 分解能(30cm)
→ 深層学習
→ 人口推定、地図の自動更新、海洋監視、農地管理、災害監視、被災状況把握
→ パスコでの取組例
→ 建物検出 → 変化内容によりフラグ付与
→ 被災判読、世帯数の推定(建物形状の差：教師データ作成)、
道路検出、樹種推定、駐車台数推定(メッシュ内の台数)、
ソーラパネル検出(普及率、発電量)
・リモートセンシング画像の認識は何が難しいのか
→ 解像度の限界を攻める
→ 対象オブジェクトが小さくて密集
→ セグメンテーション・モデル(ダウンサンプリング) → Pooling
→ ダウン・サンプリングで解像度が落ちる
→ CNNの受容野を広げる → 受容野の重要性
→ 解像度を落としたくない、受容野は広げたい
→ Skip connection系 → UNetの派生形
→ Low-level featureの取捨選択
→ 予想のエントロピ、Attention マップ
→ Dilated convolution系 → 畳み込みカーネルの感覚を広げる
→ グリッド上のノイズ：隣接する中間層の情報が共有されない
→ Sub-Oixel convolution、Boundary-awareなしLoss関数、境界を明示的に推定
→ 特徴マップの解像度に注意を払う
→ ネットワークの入り口での情報ロス
→ 道路検出はトポロジまで考慮
→ オクリュージョンによって検出結果の途切れ → 接続性の問題
→ 知覚損失の導入，繰り返し処理による道路マップ
→ 計算トポロジの応用
→ 受容野を広げる
→ 道路の向きを学習 → 周辺の情報
→ セグメンテーションに依らない手法
16:00 - 17:00
● 災害把握と環境評価のためのリモートセンシング画像解析
横矢 直人
（理化学研究所 革新知能統合研究センター
空間情報学ユニット ユニットリーダー）
概要：
大規模自然災害や地球環境問題への対応において、地表面情報を広域で把握するためには、
リモートセンシング画像解析が有効である。
本講演では、陸域を対象としたリモートセンシング画像解析の最新動向を概観する。
特に、迅速な災害状況把握に焦点をあて、
機械学習、データ融合、数値シミュレーションなどを統合することにより、
データの不完全性や教示データの不足に対処する最新技術を紹介する。
・都市のモニタリング
→ 宇宙から見る都市化
→ 都市域の識別と定量化が可能 → 機械学習
→ 光学・SAR(合成開口レーダ)リモートセンシング
→ 光学 → 反射率
→ SAR →
→ グローバルマッピング → コミュニティベース：WDAPT
→ 衛星画像、GIS、機械学習
・森林のモニタリング
→ 宇宙から見る森林伐採
→ REDD+ → 炭素蓄積量改善 → 経済的なイニシャティブ
・災害状況把握
→ 航空写真と衛星画像 → 対象範囲の違い
→ 土砂災害域検出 → 誤検出の低減
→ ラベル付け → 現地視察
・課題とアプト-値
→ 画像の種類が異なる → マルチモーダル
→ 建物被害データベース → 被災前後の画像
→ 時間方向を考慮した敵対的生成ネットワーク
→ SAR・光学クロスモーダル学習
→ 不完全な値域観測データ → 低ランクテンソル解析
→ 画像再構成
→ ラベル付けが化邑南 → 現地データの活用
→ 自動アノテーション → 土地被覆分類マッピング
→ 観測能力の限界 → AIとシミュレーションの統合
→ 災害
→ 演繹的数値シミュレーション → 回帰
→ 帰納的AI＋機械学習
以上
