弱教師あり事前学習と微調整による航空画像からのラベル効率的な学校検出
arXiv cs.CV / 2026/5/6
📰 ニュースDeveloper Stack & InfrastructureModels & Research
要点
- この論文は、公式記録が不完全・古いなどの課題がある地域で学校の地図化をスケールさせることを目的に、航空画像から学校を弱教師ありで検出する手法を提案しています。
- 疎な位置ポイントとセマンティックセグメンテーションを組み合わせ、自動でインフラのマスクを作成し、そこからバウンディングボックスを生成するラベリングパイプラインを用います。
- 学習は2段階で行われます。まず自動ラベル付きデータで学校らしさの表現を学習する事前学習を行い、その後少量の手動でクリーン化したデータで微調整します。
- 結果として、少数データ環境で良好な物体検出性能が示され、手動ラベル50枚のみでも有望な精度が得られ、注釈コストを大幅に削減できるとしています。
- モデル、学習コード、そして自動ラベル付きデータを公開すると述べており、研究の発展と実運用に向けた取り組みを促進します。
