ストリートビュー画像における外装材の自動検出のためのトランスフォーマーモデルを使用したドメイン適応

最近の深層学習の進展により、ストリートビュー画像を使用したさまざまな建物分析タスクで印象的な精度が達成されています。しかし、一般的に必要とされる大規模なラベル付きデータセットが大きな課題となっており、これは限られた生データへのアクセスと労働集約的な注釈による障害です。この問題を克服するために、本研究では外装材を分類するためのドメイン適応（DA）フレームワークを紹介します。対象とするのは、レンガ、コンクリート、ガラス、石材、混合、その他の6つのカテゴリです。スコットランドからの完全にラベル付けされたデータセットとロンドンからの部分的にラベル付けされたデータセットを基に、トランスフォーマーベースのアーキテクチャ、データ拡張、およびハイパーパラメータの最適化を利用して精度を向上させます。未見のデータに対する評価では、拡張データで訓練され、最適化されたハイパーパラメータを持つ軸トランスフォーマーが最も効果的であり、レンガ88.43%、コンクリート73.71%、ガラス68.67%、石材91.33%、混合86.65%、その他83.46%というクラス特異的な精度を達成し、全体の精度は82.04%となりました。これらの結果は、DAベースの手法が強力な性能を維持する可能性を示しており、将来の研究に向けたさらなる改善が提案されます。その後、論文では、この提案された戦略の追加の応用を探ります。