Междоменная адаптация моделей глубокого обучения при сегментации спутниковых данных с ограниченной разметкой на примере задачи лесотаксации

Переход от экспертного анализа к автоматизированному выделению на основе крупномасштабных оптических данных — один из ключевых трендов в ДЗЗ. Вместе с тем внедрение моделей глубокого обучения сдерживается высокой стоимостью получения размеченных выборок и расхождением радиометрических и спектральных характеристик снимков различных спутниковых платформ, из-за чего наблюдается заметное падение качества работы моделей при переносе весов на отличные датасеты. Для прикладных задач лесной тематики, в частности лесотаксации и мониторинга лесного фонда, объёмы размеченных выборок, как правило, сильно ограничены, что дополнительно усугубляет влияние дефицита разметки и межсенсорного сдвига на качество работы моделей.
Работа посвящена повышению устойчивости легковесных свёрточных нейронных сетей (СНС) при решении задачи семантической сегментации мультиспектральных изображений в условиях ограниченной разметки. Экспериментальная база исследования включает два датасета: первичная апробация выполнена на открытом RGB-датасете IGN Hautes-Alpes [1]; основная часть экспериментов проведена на мультиспектральных данных Бронницкого лесничества [2] – по 81 тайл размером 256×256 пикселей, полученных со спутников «WorldView-2» (8 спектральных каналов) и «Ресурс-П» (4 канала), — объём выборки, экстремально малый для задач глубокого обучения. В исследовании проведено сравнение динамической и статической аугментации данных, схем нормализации и предобучения энкодера несколькими методами самообучения [3-4].
Показано, что динамическая аугментация даёт статистически значимый прирост macro-IoU относительно обучения без преобразований: внутри домена наибольший вклад вносят пространственные преобразования, тогда как спектральные, формируя физически некорректные комбинации значений каналов, могут ухудшать точность. При переносе весов между данными «WorldView-2» и «Ресурс-П» без дообучения поканальная стандартизация с агрессивными аугментациями (HSV-подобные, CutMix) и дополнительным самообучением энкодера сокращает деградацию метрик до 14%. Анализ латентных представлений методами PCA и 2D-FFT показал, что, в отличие от обученных с учителем моделей, тяготеющих к низкочастотным признакам, самообучение формирует представления с широкой частотной дисперсией и выраженными текстурными паттернами. Ориентация методологии на лёгковесные СНС-архитектуры и вычислительно дешёвые приёмы обеспечивает её применимость при ограниченных ресурсах, воспроизводимость и переносимость на данные произвольных спутниковых платформ.