もともと医療用途を目的とした畳み込みニューラル ネットワーク (CNN) である U-Net は、海洋リモート センシング分野で波を起こす可能性があります

現代世界では、テクノロジーや人工知能 (AI) によって解決できない問題や助けが得られない問題はほとんどありません。この例では、医療画像から目的の「オブジェクト」を抽出するために使用されるツールである U-Net が、海洋研究の潜在的な手段として注目されています。U-Net は有望ではありますが、完璧ではありません。モデルのいくつかの重要な改善は、海洋リモートセンシングの分野に関して大きな違いを生む可能性があります。

研究者出版された彼らの調査結果は、リモートセンシングジャーナル2024年8月に。

U-Net モデルは、海洋研究の優れた候補となるのに十分な構造を備えているように見えますが、現状では研究者のニーズを完全に満たすことはできません。

U-Net が海洋調査に軸足を移す際に直面する課題を解決するには、モデルのセグメンテーション タスク、または画像内の各ピクセルを分類する機能、予測タスク、および超解像度タスクの 3 つの主要カテゴリを改善する必要があります。

著者兼研究者のHaoyu Wang氏は「構造改善と新技術の導入により、U-Netモデルは小型ターゲットの検出、予測精度、画像再構成の品質が大幅に向上し、海洋リモートセンシング研究の発展をさらに促進することができる」と述べた。。

セマンティック セグメンテーションを改善すると、海洋内の小さなターゲットを検出および識別する U-Net の能力が向上します。これは、アテンション メカニズムを介して遠く離れたピクセルを認識および識別する機能をモデルに統合することで実現できます。たとえば、モデルに次の違いを認識させます。オープンウォーター海洋の氷の形成は不可欠であり、U-Net はこの違いを判断できます。

予測タスクとは、物理的な知識とデータ駆動型の方法に基づいて結果を論理的に予測するモデルの機能を指します。海洋リモート センシングに U-Net モデルを使用したこれまでの成功例には、南極の海氷密度を予測する海氷予測ネットワーク (SIPNet) などがあります。

U-Net モデルである SIPNet は、入力シーケンス (エンコーダー) を処理して後で元の形式 (デコーダー) に再構築する、「エンコーダー デコーダー」として知られる別の形式のニューラル ネットワーク アーキテクチャを使用しました。これはテキストの要約や翻訳によく使用されますが、この場合、SIPNet は 8 週間の海氷濃度に関するデータを使用して、その後の 8 週間を予測しました。エンコーダー/デコーダー アーキテクチャを時間空間注意モジュール (TSAM) と組み合わせた場合、7 日間の予測の予測と実際の測定値の平均差は 3% 未満であり、U-Net モデルが持つ精度を示しています。任務のために完全に装備されているとき。

最後に、超解像度タスクに対して提案された改善には、画像のぼやけ、つまり「ノイズ」を軽減する拡散モデルの導入が含まれます。画像のノイズを低減するには、両方の解像度で観察される類似点に注目して、高解像度画像と低解像度画像の間の相関関係を特定する必要があります。これには、画像から特徴を抽出するモデルの機能の改善も含まれます。

研究者らは、モデル PanDiff を利用して、高解像度のパンクロマティック画像 (スペクトル内のすべての可視色に敏感) と低解像度のマルチスペクトル画像 (赤外線や紫外線などのスペクトルを通じてデータをキャプチャする画像) をブレンドし、U-ランダムノイズを介したネット。

研究者の目標を長期的にサポートするには、U-Net モデルのさらなる最適化が必要です。

「U-Net モデルの単純でわかりやすいネットワーク アーキテクチャと優れたモデル フィッティング機能は、海洋リモート センシング コミュニティの研究者の間で最も人気を集めており、大きな可能性を示しています」と研究者でありこの研究の著者である Xiaofeng Li 氏は述べています。

研究者が海洋研究で U-Net を使用するために提案している改善点に加えて、U-Net を他のシステムや技術と組み合わせて、モデルのすでに広範な応用をさらに拡張することで、やるべき探究がたくさんあります。

詳細情報:Haoyu Wang 他、「Expanding Horizo​​ns: U-Net Enhancements for Semantic Segmentation, Forecasting, and Super-Resolution in Ocean Remote Sensing」リモートセンシングジャーナル（2024年）。DOI: 10.34133/remotesensing.0196

提供元リモートセンシングジャーナル