U-Net や Grounding DINO を活用した GeoAI による建物フットプリント抽出チュートリアル

記事の3ポイント

1. 1

   GeoAI ワークフローの構築

   地理空間深層学習環境の設定から始まり、ラスター画像とベクトルラベルの取得、空間特性の解析を経て、ジオ参照されたイメージチップとセグメンテーションマスクを生成する一連のプロセスを解説している。

2. 2

   多様なモデルの実装と比較

   ResNet-34 エンコーダーを持つ U-Net の学習と評価に加え、スライディングウィンドウ推論、ゼロショットセグメンテーション（Grounding DINO と SAM）、および事前学習済み Mask R-CNN によるインスタンスセグメンテーションの結果を比較する。

3. 3

   実世界データへの適用

   Microsoft Planetary Computer の NAIP 画像と Overture Maps の建物ラベルを用いて、同様のパイプラインを実世界の領域に拡張する方法を示し、予測マスクの清掃や正則化、IoU や F1 スコアの計算を含む。