elib
DLR-Header
DLR-Logo -> http://www.dlr.de
DLR Portal Home | Impressum | Datenschutz | Kontakt | English
Schriftgröße: [-] Text [+]

Multitask Active Learning for Characterization of Built Environments with Multisensor Earth Observation Data

Geiß, Christian und Thoma, Matthias und Pittore, Massimiliano und Wieland, Marc und Dech, Stefan und Taubenböck, Hannes (2017) Multitask Active Learning for Characterization of Built Environments with Multisensor Earth Observation Data. IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing, 10 (12), Seiten 5583-5597. IEEE - Institute of Electrical and Electronics Engineers. doi: 10.1109/JSTARS.2017.2748339. ISSN 1939-1404.

[img] PDF - Preprintversion (eingereichte Entwurfsversion)
11MB

Offizielle URL: http://ieeexplore.ieee.org/document/8058421/

Kurzfassung

In this paper, we propose a multitask active learning (AL) framework for an efficient characterization of buildings using features from multisensor earth observation data. Conventional AL methods establish query functions based on a preliminary trained learning machine to guide the selection of additional prior knowledge (i.e., labeled samples) for model improvement with respect to a single target variable. In contrast to that, here, we follow three multitask AL metaprotocols to select unlabeled samples from a learning set which can be considered relevant with respect to multiple target variables. In particular, multitask AL methods based on multivariable criterion, alternating selection, rank combination, as well as hybrid approaches, which internalize multiple principles from the different metaprotocols, are introduced. Thereby, the alternating selection strategies implement a so-called one-sided selection (i.e., single-task AL selection for a reference target variable with simultaneous labeling of the residual target variables) with a changing leading variable in an iterative selection process. The multivariable criterion-based methods and rank combination approaches aim to select unlabeled samples based on combined single-task selection decisions. Experimental results are obtained from two application scenarios for the city of Cologne, Germany. Thereby, the target variables to be predicted comprise building material type, building occupancy, urban typology, building type, and roof type. Comparative model accuracy evaluations underline the capability of the introduced methods to provide superior solutions with respect to one-sided selection and random sampling strategies.

elib-URL des Eintrags:https://elib.dlr.de/115169/
Dokumentart:Zeitschriftenbeitrag
Titel:Multitask Active Learning for Characterization of Built Environments with Multisensor Earth Observation Data
Autoren:
AutorenInstitution oder E-Mail-AdresseAutoren-ORCID-iDORCID Put Code
Geiß, ChristianChristian.Geiss (at) dlr.dehttps://orcid.org/0000-0002-7961-8553NICHT SPEZIFIZIERT
Thoma, Matthiasmatthias.thoma (at) hswt.deNICHT SPEZIFIZIERTNICHT SPEZIFIZIERT
Pittore, Massimilianopittore (at) gfz-potsdam.deNICHT SPEZIFIZIERTNICHT SPEZIFIZIERT
Wieland, Marcmarc.wieland (at) zoo.ox.ac.ukNICHT SPEZIFIZIERTNICHT SPEZIFIZIERT
Dech, Stefanstefan.dech (at) dlr.deNICHT SPEZIFIZIERTNICHT SPEZIFIZIERT
Taubenböck, Hanneshannes.taubenboeck (at) dlr.dehttps://orcid.org/0000-0003-4360-9126NICHT SPEZIFIZIERT
Datum:2017
Erschienen in:IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing
Referierte Publikation:Ja
Open Access:Ja
Gold Open Access:Nein
In SCOPUS:Ja
In ISI Web of Science:Ja
Band:10
DOI:10.1109/JSTARS.2017.2748339
Seitenbereich:Seiten 5583-5597
Verlag:IEEE - Institute of Electrical and Electronics Engineers
ISSN:1939-1404
Status:veröffentlicht
Stichwörter:Building material type, building occupancy, building type, LiDAR, multitask active learning (AL), roof type, support vector machines (SVM), urban typology, very high resolution imagery
HGF - Forschungsbereich:Luftfahrt, Raumfahrt und Verkehr
HGF - Programm:Raumfahrt
HGF - Programmthema:Erdbeobachtung
DLR - Schwerpunkt:Raumfahrt
DLR - Forschungsgebiet:R EO - Erdbeobachtung
DLR - Teilgebiet (Projekt, Vorhaben):R - Sicherheitsrelevante Erdbeobachtung, R - Fernerkundung u. Geoforschung
Standort: Oberpfaffenhofen
Institute & Einrichtungen:Deutsches Fernerkundungsdatenzentrum > Georisiken und zivile Sicherheit
Deutsches Fernerkundungsdatenzentrum > Leitungsbereich DFD
Hinterlegt von: Geiß, Christian
Hinterlegt am:09 Nov 2017 09:05
Letzte Änderung:03 Nov 2023 14:08

Nur für Mitarbeiter des Archivs: Kontrollseite des Eintrags

Blättern
Suchen
Hilfe & Kontakt
Informationen
electronic library verwendet EPrints 3.3.12
Gestaltung Webseite und Datenbank: Copyright © Deutsches Zentrum für Luft- und Raumfahrt (DLR). Alle Rechte vorbehalten.