論文の概要: DFPENet-geology: A Deep Learning Framework for High Precision Recognition and Segmentation of Co-seismic Landslides

• arxiv url: http://arxiv.org/abs/1908.10907v3
• Date: Thu, 26 Oct 2023 09:06:52 GMT
• ステータス: 処理完了
• システム内更新日: 2023-10-29 16:21:41.009424
• Title: DFPENet-geology: A Deep Learning Framework for High Precision Recognition and Segmentation of Co-seismic Landslides
• Title（参考訳）: dfpenet-geology:コサイスミック地すべりの高精度認識とセグメンテーションのための深層学習フレームワーク
• Authors: Qingsong Xu, Chaojun Ouyang, Tianhai Jiang, Xuanmei Fan, Duoxiang Cheng
• Abstract要約: 本稿では,Dense-Decoder Network (DFPENet) を用いたロバストモデル Dense Feature Pyramid を開発した。 DFPENetモデルから抽出した画像特徴,地質学的特徴,時間分解能,地すべりの空間解析,移動学習を統合した共地震地すべり認識手法を提案する。
• 参考スコア（独自算出の注目度）: 7.927831418004974
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Automatic recognition and segmentation methods now become the essential requirement in identifying co-seismic landslides, which are fundamental for disaster assessment and mitigation in large-scale earthquakes. This approach used to be carried out through pixel-based or object-oriented methods. However, due to the massive amount of remote sensing data, variations in different earthquake scenarios, and the efficiency requirement for post-earthquake rescue, these methods are difficult to develop into an accurate, rapid, comprehensive, and general (cross-scene) solution for co-seismic landslide recognition. This paper develops a robust model, Dense Feature Pyramid with Encoder-decoder Network (DFPENet), to understand and fuse the multi-scale features of objects in remote sensing images. The proposed method achieves a competitive segmentation accuracy on the public ISPRS 2D Semantic. Furthermore, a comprehensive and widely-used scheme is proposed for co-seismic landslide recognition, which integrates image features extracted from the DFPENet model, geologic features, temporal resolution, landslide spatial analysis, and transfer learning, while only RGB images are used. To corroborate its feasibility and applicability, the proposed scheme is applied to two earthquake-triggered landslides in Jiuzhaigou (China) and Hokkaido (Japan), using available pre- and post-earthquake remote sensing images.
• Abstract（参考訳）: 大規模地震における災害評価・緩和の基盤となる地震地すべりの同定において, 自動認識・分割手法が必須条件となっている。 このアプローチは、以前はピクセルベースあるいはオブジェクト指向の方法で実施されていた。 しかし,大規模なリモートセンシングデータ,異なる地震シナリオの変動,地震後の救助の効率要求などにより,これらの手法は,地震時地すべり認識のための高精度で迅速で包括的で汎用的なソリューションへと発展するのは難しい。 本稿では,リモートセンシング画像におけるオブジェクトのマルチスケール特徴の理解と融合を目的とした,エンコーダデコーダネットワーク(DFPENet)を用いたロバストモデルDense Feature Pyramidを開発する。 提案手法は,ISPRS 2D Semantic上での競合セグメンテーション精度を実現する。 さらに, dfpenetモデルから抽出した画像特徴, 地質学的特徴, 時間分解能, 地すべり空間解析, 伝達学習を統合し, rgb画像のみを使用する, 共地震地すべり認識のための包括的かつ広く利用されている手法を提案する。 提案手法は,中国,北海道の2つの地すべり地すべりに対して,地震前・地震後リモートセンシング画像を用いて,その実現可能性と適用性について検討する。

関連論文リスト

• Generalizable Disaster Damage Assessment via Change Detection with Vision Foundation Model [17.016411785224317]
  本稿では, DAVI(Disaster Assessment with VIsion foundation model)を提案する。 DAVIは、ソース領域でトレーニングされたモデルからイメージセグメンテーション基礎モデルにタスク固有の知識を統合し、ターゲット領域の損傷の可能性を示す擬似ラベルを生成する。 次に、ピクセルと全体像の両方をターゲットとした2段階の精細化プロセスを使用して、災害現場におけるより正確に変化を特定します。
  論文  参考訳（メタデータ） (2024-06-12T09:21:28Z)
• DiAD: A Diffusion-based Framework for Multi-class Anomaly Detection [55.48770333927732]
  本稿では,拡散型異常検出(Difusion-based Anomaly Detection, DAD)フレームワークを提案する。 画素空間オートエンコーダ、安定拡散の復調ネットワークに接続する潜在空間セマンティックガイド(SG)ネットワーク、特徴空間事前学習機能抽出器から構成される。 MVTec-ADとVisAデータセットの実験は、我々のアプローチの有効性を実証している。
  論文  参考訳（メタデータ） (2023-12-11T18:38:28Z)
• FLOGA: A machine learning ready dataset, a benchmark and a novel deep learning model for burnt area mapping with Sentinel-2 [41.28284355136163]
  森林火災は人間や動物の生活、生態系、社会経済の安定に重大な脅威をもたらす。 本研究では、FLOGA(Forest wiLdfire Observations for the Greek Area)と名付けた機械学習可能なデータセットを作成し、導入する。 このデータセットは、山火事の前後に取得された衛星画像からなるため、ユニークなものである。 我々はFLOGAを用いて、複数の機械学習アルゴリズムとディープラーニングアルゴリズムの徹底的な比較を行い、バーント領域の自動抽出を行う。
  論文  参考訳（メタデータ） (2023-11-06T18:42:05Z)
• View Consistent Purification for Accurate Cross-View Localization [59.48131378244399]
  本稿では,屋外ロボットのための微細な自己局在化手法を提案する。 提案手法は,既存のクロスビューローカライゼーション手法の限界に対処する。 これは、動的環境における知覚を増強する初めての疎視のみの手法である。
  論文  参考訳（メタデータ） (2023-08-16T02:51:52Z)
• Cross-Geography Generalization of Machine Learning Methods for Classification of Flooded Regions in Aerial Images [3.9921541182631253]
  本研究は,UAV空中画像中の浸水領域を特定するための2つのアプローチを提案する。 最初のアプローチは、テクスチャベースの教師なしセグメンテーションを使用して、浸水した地域を検出する。 2つ目は、テクスチャ機能に人工ニューラルネットワークを使用して、画像が浸水して浮かばないものとして分類する。
  論文  参考訳（メタデータ） (2022-10-04T13:11:44Z)
• 6D Camera Relocalization in Visually Ambiguous Extreme Environments [79.68352435957266]
  本研究では,深海や地球外地形などの極端な環境下で得られた画像の列から,カメラのポーズを確実に推定する手法を提案する。 本手法は,室内ベンチマーク (7-Scenes データセット) における最先端手法と同等の性能を20%のトレーニングデータで達成する。
  論文  参考訳（メタデータ） (2022-07-13T16:40:02Z)
• Remote Sensing Image Classification using Transfer Learning and Attention Based Deep Neural Network [59.86658316440461]
  本稿では、転送学習技術とマルチヘッドアテンションスキームを活用した、深層学習に基づくRSISCフレームワークを提案する。 提案したディープラーニングフレームワークは、ベンチマークNWPU-RESISC45データセットに基づいて評価され、最高の分類精度94.7%を達成する。
  論文  参考訳（メタデータ） (2022-06-20T10:05:38Z)
• Superpixel-Based Building Damage Detection from Post-earthquake Very High Resolution Imagery Using Deep Neural Networks [15.761849146985494]
  地震などの自然災害後の被害検知は, 効果的な緊急対応行動の開始に不可欠である。 地震による建築物の損傷を検知するために多くの手法が開発されているが、VHR画像に表されるリッチな特徴を活用することにはほとんど注意が払われていない。 本稿では,Deep Neural Networks(DNN)と修正セグメンテーション手法を組み合わせた,新しい超画素ベースのアプローチを提案する。
  論文  参考訳（メタデータ） (2021-12-09T08:05:02Z)
• Triggering Failures: Out-Of-Distribution detection by learning from local adversarial attacks in Semantic Segmentation [76.2621758731288]
  セグメンテーションにおけるアウト・オブ・ディストリビューション(OOD)オブジェクトの検出に取り組む。 私たちの主な貢献は、ObsNetと呼ばれる新しいOOD検出アーキテクチャであり、ローカル・アタック(LAA)に基づく専用トレーニングスキームと関連付けられています。 3つの異なるデータセットの文献の最近の10つの手法と比較して,速度と精度の両面で最高の性能が得られることを示す。
  論文  参考訳（メタデータ） (2021-08-03T17:09:56Z)
• RescueNet: Joint Building Segmentation and Damage Assessment from Satellite Imagery [83.49145695899388]
  RescueNetは、建物を同時に分割し、個々の建物に対する損傷レベルを評価し、エンドツーエンドでトレーニングできる統一モデルである。 RescueNetは大規模で多様なxBDデータセットでテストされており、従来の手法よりもはるかに優れたセグメンテーションと損傷分類性能を実現している。
  論文  参考訳（メタデータ） (2020-04-15T19:52:09Z)
• Deep Fusion of Local and Non-Local Features for Precision Landslide Recognition [17.896249114628336]
  本稿では,局所的特徴と非局所的特徴を融合して文脈問題を克服する効果的な手法を提案する。 リモートセンシングコミュニティで広く採用されているU-Netアーキテクチャを基盤として,さらに2つのモジュールを利用する。 実験により,提案手法は最先端の汎用的セマンティックセグメンテーション手法よりも優れた性能を示した。
  論文  参考訳（メタデータ） (2020-02-20T03:18:59Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。