論文の概要: Geocoding of trees from street addresses and street-level images

• arxiv url: http://arxiv.org/abs/2002.01708v1
• Date: Wed, 5 Feb 2020 10:13:43 GMT
• ステータス: 処理完了
• システム内更新日: 2023-01-03 21:37:14.690595
• Title: Geocoding of trees from street addresses and street-level images
• Title（参考訳）: 道路アドレスと街路画像からの樹木のジオコーディング
• Authors: Daniel Laumer, Nico Lang, Natalie van Doorn, Oisin Mac Aodha, Pietro Perona, Jan Dirk Wegner
• Abstract要約: 街路面パノラマ画像を用いた地理座標を用いた古木在庫の更新手法を提案する。 本手法は, 古い在庫を地理的座標で再現し, 新たな在庫と接続し, 樹木の枯死等に関する長期研究を容易にする。
• 参考スコア（独自算出の注目度）: 24.114405100879278
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We introduce an approach for updating older tree inventories with geographic coordinates using street-level panorama images and a global optimization framework for tree instance matching. Geolocations of trees in inventories until the early 2000s where recorded using street addresses whereas newer inventories use GPS. Our method retrofits older inventories with geographic coordinates to allow connecting them with newer inventories to facilitate long-term studies on tree mortality etc. What makes this problem challenging is the different number of trees per street address, the heterogeneous appearance of different tree instances in the images, ambiguous tree positions if viewed from multiple images and occlusions. To solve this assignment problem, we (i) detect trees in Google street-view panoramas using deep learning, (ii) combine multi-view detections per tree into a single representation, (iii) and match detected trees with given trees per street address with a global optimization approach. Experiments for > 50000 trees in 5 cities in California, USA, show that we are able to assign geographic coordinates to 38 % of the street trees, which is a good starting point for long-term studies on the ecosystem services value of street trees at large scale.
• Abstract（参考訳）: 本研究では,ストリートレベルのパノラマ画像を用いた地理的座標を用いた古いツリー在庫の更新手法と,ツリーインスタンスマッチングのためのグローバル最適化フレームワークを提案する。 2000年代初めまでは、新しい在庫はGPSを使うのに対し、通りの住所を使って記録されていた。 本手法は, 古い在庫を地理的座標で再現し, 新たな在庫と接続し, 樹死などの長期研究を容易にする。 この問題に挑戦しているのは、ストリートアドレスごとに異なる木数、画像内の異なる木インスタンスの異種な外観、複数の画像やオクルージョンから見るとあいまいな木の位置である。 この課題を解決するために、我々は (i)ディープラーニングを用いたgoogleストリートビューパノラマにおける木の検出 (ii)ツリー毎のマルチビュー検出を単一の表現にまとめる。 (3)大域的最適化手法により,街路アドレス毎の木々が検出された。 米国カリフォルニア州5都市で5万本以上の樹木を実験した結果,大規模な街路樹の生態系サービス価値の長期的研究の出発点である街路樹の38%に地理的座標を割り当てることが可能であることが判明した。

関連論文リスト

• OAM-TCD: A globally diverse dataset of high-resolution tree cover maps [8.336960607169175]
  OpenMap (OAM) から得られた高解像度の空中画像において, ツリークラウンデライン化(TCD)のための新しいオープンアクセスデータセットを提案する。 我々のデータセットであるOAM-TCDは、50722048x2048px画像を10cm/px解像度で、関連する280k個以上の木と56k個の木からなる。 データセットを使用して、既存の最先端モデルと比較する参照インスタンスとセマンティックセグメンテーションモデルをトレーニングする。
  論文  参考訳（メタデータ） (2024-07-16T14:11:29Z)
• LiteSearch: Efficacious Tree Search for LLM [70.29796112457662]
  本研究では,動的ノード選択とノードレベルの探索予算を備えた新しいガイド付き木探索アルゴリズムを提案する。 GSM8KおよびTabMWPデータセットを用いて行った実験により,本手法はベースライン法に比べて計算コストが大幅に低いことを示した。
  論文  参考訳（メタデータ） (2024-06-29T05:14:04Z)
• Tree Counting by Bridging 3D Point Clouds with Imagery [31.02816235514385]
  2次元リモートセンシング画像は、主に高層キャノピーを示すが、密集したキャノピーを持つ地域では、個々の木の分化が容易ではない。 我々は,3次元LiDAR測定と2次元画像の融合を利用して,正確な木数計測を行う。 我々は,3次元空中LiDARデータと2次元画像を用いて,森林内の木を数える深層学習手法の比較を行った。
  論文  参考訳（メタデータ） (2024-03-04T11:02:17Z)
• Learning a Decision Tree Algorithm with Transformers [75.96920867382859]
  メタ学習によってトレーニングされたトランスフォーマーベースのモデルであるMetaTreeを導入し、強力な決定木を直接生成する。 我々は、多くのデータセットに欲求決定木とグローバルに最適化された決定木の両方を適合させ、MetaTreeを訓練して、強力な一般化性能を実現する木のみを生成する。
  論文  参考訳（メタデータ） (2024-02-06T07:40:53Z)
• ViTree: Single-path Neural Tree for Step-wise Interpretable Fine-grained Visual Categorization [56.37520969273242]
  細かな視覚分類のための新しいアプローチであるViTreeを紹介する。 ツリーパスをトラバースすることで、ViTreeは変換処理された機能からパッチを効果的に選択し、情報のあるローカルリージョンをハイライトする。 このパッチとパスの選択性は、ViTreeのモデルの解釈可能性を高め、モデルの内部動作に関するより良い洞察を可能にする。
  論文  参考訳（メタデータ） (2024-01-30T14:32:25Z)
• Predicting urban tree cover from incomplete point labels and limited background information [8.540501469749993]
  都市内の樹木は、都市部の微気候にとって重要であり、都市住民の身体的および精神的な健康に肯定的に寄与する。 その重要性にもかかわらず、しばしば市木に関する限られた情報しか得られない。 本研究では,限られたデータセットと深層学習を用いた高解像度空中画像に都市木をマッピングする手法を提案する。
  論文  参考訳（メタデータ） (2023-11-20T08:09:54Z)
• Structure-Unified M-Tree Coding Solver for MathWord Problem [57.825176412485504]
  従来,数式表現の2次木構造を考慮に入れたモデルでは,性能が向上した。 本稿では、出力構造を統一するために、任意のM枝(M-tree)を持つ木を適用した構造統一M-Tree符号化(S-UMCr)を提案する。 広く使われているMAWPSとMath23Kデータセットの実験結果は、SUMC-rが複数の最先端モデルを上回るだけでなく、低リソース条件下でもはるかに優れた性能を発揮することを示した。
  論文  参考訳（メタデータ） (2022-10-22T12:20:36Z)
• Individual Tree Detection in Large-Scale Urban Environments using High-Resolution Multispectral Imagery [1.1661668662828382]
  本研究では,都市環境における個々の木検出のための新しい深層学習手法を提案する。 畳み込みニューラルネットワークを用いて、個々の木の位置を示す信頼マップを回帰する。 本手法は,公共空間とプライベート空間の両方で樹木を検出することによって,完全な空間被覆を実現する。
  論文  参考訳（メタデータ） (2022-08-22T21:26:57Z)
• Automatic Quantification and Visualization of Street Trees [29.343663350855522]
  この研究はまず、道端の木を数えるために慎重に設計されたデータ収集のセットアップを説明します。 次に,木を頑健に検出・定量化することを目的とした,ユニークなアノテーション手法について述べる。 本稿では,現在のオブジェクト検出手法と,新しい単純なカウントアルゴリズムを用いて,ストリートツリーの検出,カウント,可視化を行うフレームワークを提案する。
  論文  参考訳（メタデータ） (2022-01-17T18:44:46Z)
• Growing Deep Forests Efficiently with Soft Routing and Learned Connectivity [79.83903179393164]
  この論文は、いくつかの重要な側面で深い森林のアイデアをさらに拡張します。 我々は、ノードがハードバイナリ決定ではなく、確率的ルーティング決定、すなわちソフトルーティングを行う確率的ツリーを採用する。 MNISTデータセットの実験は、私たちの力のある深部森林が[1]、[3]よりも優れたまたは匹敵するパフォーマンスを達成できることを示しています。
  論文  参考訳（メタデータ） (2020-12-29T18:05:05Z)
• MurTree: Optimal Classification Trees via Dynamic Programming and Search [61.817059565926336]
  動的プログラミングと探索に基づいて最適な分類木を学習するための新しいアルゴリズムを提案する。 当社のアプローチでは,最先端技術が必要とする時間のごく一部しか使用せず,数万のインスタンスでデータセットを処理することが可能です。
  論文  参考訳（メタデータ） (2020-07-24T17:06:55Z)

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。