PRUE：大規模な圃場境界セグメンテーションのための実践的なレシピ

概要: 圃場境界の大規模な地図は、農業のモニタリング業務に不可欠です。衛星に基づく圃場の地図化に対する既存の深層学習手法は、照明、空間スケール、地理的位置の変化に対して敏感です。私たちは、Fields of The World（FTW）ベンチマークを用いて、地球規模の圃場境界の描出に対するセグメンテーションおよび地理空間基盤モデル（GFM）のための、初の体系的な評価を実施します。統一された実験設定のもとで18のモデルを評価し、U-Netのセマンティックセグメンテーションモデルが、さまざまな性能指標およびデプロイ指標において、インスタンスベースおよびGFMの代替手法を上回ることを示します。実世界の条件下での性能と頑健性を高めるために、U-Netのバックボーン、複合損失関数、そして狙いを定めたデータ拡張を組み合わせた新しいセグメンテーション手法を提案します。私たちのモデルはFTWで76\%のIoUと47\%のオブジェクトF1を達成し、従来のベースラインに対してそれぞれ6\%および9\%の向上です。本アプローチは、モデル設計、学習、推論にわたって、信頼性が高く、スケーラブルで、再現可能な圃場境界の描出のための実用的な枠組みを提供します。私たちは5か国分のすべてのモデルおよびモデルに由来する圃場境界データセットを公開します。