訓練戦略がアーキテクチャを上回る:小規模地理空間データセットからのスパルティナ検出のための体系的アブレーション研究
Training strategy over architecture: A systematic ablation study for Spartina detection from aerial imagery with small geospatial datasets
本研究では、沿岸域の干潟に侵入するスパルティナ( Spartina )の自動検出において、訓練戦略とアーキテクチャ設計のどちらがセグメンテーション性能に大きく影響するかを体系的に調査した。U-Net、DeepLabV3 + 、SegFormer-B2 の3つのアーキテクチャを用い、4つの訓練戦略軸にわたる12の構成で実験を行った。810枚の航空カラー赤外線画像と標高データから派生したパッチで5分割交差検証を実施し、合計180回の訓練を行った結果、訓練戦略がアーキテクチャ設計よりも性能に大きく影響することが明らかになった。特に、エンコーダーのフリーズと Tversky loss は、どのアーキテクチャでも性能を低下させた。最適な構成では F1 スコア 86.8±1.3% を達成し、ブレスト湾(44.3 ha)の表面積推定を可能にした。スペクトル情報が最も重要であり、標高データを除外しても F1 スコアの低下は 1.7 ポイントに留まったが、標高データのみでは 54.2±3.1% であった。訓練データに含まれない独立したサイトでの検証では、手動による解釈との一致率は 2.4% であったが、現場での検証は依然として必要である。このパイプラインは、沿岸管理者に再現可能で毎年更新可能な監視ツールを提供する。
- U-Net、DeepLabV3+、SegFormer-B2の3アーキテクチャと4つの訓練戦略軸にわたる12構成、計180回の訓練を実施した体系的アブレーション研究を公開。
- 訓練戦略がアーキテクチャ設計よりもセグメンテーション性能に大きく影響することを確認。エンコーダーのフリーズとTversky lossはどのアーキテクチャでも性能を低下させた。
- 最適構成でF1スコア86.8±1.3%を達成し、ブレスト湾44.3 haのスパルティナ表面積推定を可能にした。
- スペクトル情報が最も重要で、標高データ除外でもF1低下は1.7ポイントに留まった一方、標高データのみでは54.2±3.1%だった。
- 訓練データに含まれない独立サイトでの検証では手動解釈との一致率が2.4%にとどまり、現場検証が依然必要と結論。
- 810枚の航空カラー赤外線画像と標高データ由来パッチで5分割交差検証を実施。
学術的なセグメンテーションモデルの比較研究であり、特定企業の製品・調達・規制には直接結びつかないため短期的な投資示唆は乏しい。ただし「訓練戦略がアーキテクチャ選択より性能を左右する」という結論は、衛星・航空リモートセンシングを用いた地理空間AI(沿岸監視、環境モニタリング、農業、防災)を手掛ける企業の開発効率とコスト構造に直結する示唆だ。エンコーダーのフリーズやTversky lossが汎用的に性能を下げた点は、小規模データセットで学習する実務パイプラインの設計指針になり、推論精度・追加学習コストの優劣が受注競争力を分ける可能性がある。独立サイトでの一致率が2.4%と極端に低い点は、未知環境への汎化が未解決であることを示し、地理空間AIの商用展開における最大のリスク要因として注視したい。