Enriching satellite image annotations of forests with keyphrases from a specialized corpus
Enrichissement des annotations d'images satellites de forêts par des descripteurs issues d'un corpus spécialisé
Résumé
The automatic annotation of changes in satellite images requires examples of appropriate annotations. Alternatively, keyphrases extracted from a specialized corpus can serve as candidates for image annotation models. In the case of detecting deforestation in satellite images, there is a rich scientific literature available on the topic that may serve as a corpus for finding candidate annotations. We propose a method that utilizes a deep learning technique for change detection and visual semantic embedding. This method is combined with an information retrieval framework to find annotations for pairs of satellite images showing forest changes. Our evaluation is based on a dataset of image pairs from the Amazon rainforest and shows that keyphrases provide richer semantic information without any negative impact on the annotation compared to annotating with single words.
L'annotation automatique des changements dans les images satellites nécessite des exemples d'annotations appropriées. Par ailleurs, des phrases clés extraites d'un corpus spécialisé peuvent servir de candidats pour les modèles d'annotation d'images. Dans le cas de la détection de la déforestation dans les images satellites, il existe une littérature scientifique abondante sur le sujet qui peut servir de corpus pour trouver des annotations candidates. Nous proposons une méthode qui utilise une technique d'apprentissage profond pour la détection des changements et l'intégration sémantique visuelle. Cette méthode est combinée à un cadre de recherche d'informations pour trouver des annotations pour des paires d'images satellites montrant des changements forestiers. Notre évaluation est basée sur un ensemble de paires d'images de la forêt amazonienne et montre que les phrases-clés fournissent des informations sémantiques plus riches sans aucun impact négatif sur l'annotation par rapport à l'annotation avec des mots
| Origine | Publication financée par une institution |
|---|
