データタイプ
一般的なタスク
土地利用分類
衛星・航空画像を土地被覆カテゴリにセグメンテーション：市街地、森林、水域、農地、荒地、湿地、その他の地形タイプ。画像全体のピクセルレベル分類にはセグメンテーションツールを、領域レベルのラベリングにはポリゴンアノテーションを使用します。 ラベルタクソノミーの例：建物フットプリント抽出
マッピング、都市計画、変化検出のために建物周囲のポリゴン境界をトレースします。車両・オブジェクトカウント
バウンディングボックスアノテーションを使用して、オーバーヘッド画像内の車両、船舶、航空機、その他のオブジェクトを検出しカウントします。インフラ監視
道路、橋、電力線、ソーラーパネル、パイプラインなどのインフラ要素を、状態評価と変化検出のためにアノテーションします。変化検出
異なる日付の画像を比較して変化を特定します：新規建設、森林破壊、洪水範囲、作物成長。データセットの整理
衛星・航空画像データセットは大規模になりがちです — 地域と期間にわたる数千から数百万の画像。効果的な整理が重要です。スライスの使用
スライスにより画像を複製せずに仮想サブセットを作成できます：- 画像の 80% で
trainingスライス、20% でvalidationスライスを作成 - 地域固有のモデル評価のために地理的リージョンごとのスライスを作成
- アノテーターが頻繁に誤るケースの
difficult-casesスライスを作成
クラウドストレージインテグレーション
大規模衛星画像コレクションには、クラウドストレージインテグレーションを使用して S3 または GCS バケットを直接接続してください。Avala は別途アップロードステップを必要とせずにバケットから画像を読み取ります。クラウドストレージは 10,000 画像を超える衛星画像データセットに推奨されます。アップロードのボトルネックを回避し、お客様のストレージにお客様の暗号化と保持ポリシーでデータを保持できます。
パイプラインの例
はじめましょう
1
画像の準備
画像を JPEG または PNG フォーマットに変換します。地理参照データの場合、座標メタデータはサイドカーファイルまたは GIS システムに保持してください — Avala は画像ピクセルを処理します。
2
アップロードまたはストレージの接続
小規模データセットの場合は直接アップロード。大規模コレクションの場合はクラウドストレージインテグレーションで S3 または GCS バケットを接続します。
3
メタデータとスライスで整理
アイテムにメタデータ（地域、日付、ソース衛星）を付加します。トレーニング/バリデーション分割と地理的サブセット用にスライスを作成します。
4
アノテーションプロジェクトの作成
ラベルタクソノミー（土地被覆クラス、建物タイプ、インフラカテゴリ）を定義します。タスクに合ったアノテーションタイプを選択します。
5
アノテーションとレビュー
ワークバッチでチーム全体に作業を配分します。マッピンググレードの精度要件にはマルチステージレビューを使用します。
6
エクスポートとトレーニング
アノテーションをエクスポートし、API または SDK 経由でリモートセンシングトレーニングパイプラインに統合します。
次のステップ
ポリゴンツール
建物フットプリントとインフラのための精密な境界トレーシング。
セグメンテーションツール
土地被覆と地形マッピングのためのピクセルレベル分類。
クラウドストレージ
大規模画像コレクション用に S3 または GCS バケットを接続。
ベストプラクティス
データセット整理、API 使用、アノテーションワークフロー最適化のヒント。