Fugu-MT 論文翻訳(概要): Satellite-based Prediction of Forage Conditions for Livestock in Northern Kenya

論文の概要: Satellite-based Prediction of Forage Conditions for Livestock in Northern Kenya

arxiv url: http://arxiv.org/abs/2004.04081v2
Date: Thu, 23 Apr 2020 18:12:23 GMT
ステータス: 処理完了
システム内更新日: 2022-12-15 09:11:57.721201
Title: Satellite-based Prediction of Forage Conditions for Livestock in Northern Kenya
Title（参考訳）: 衛星によるケニア北部の家畜の牧畜状況の予測
Authors: Andrew Hobbs, Stacey Svetlichnaya
Abstract要約: 本稿では,地上の専門家による飼料品質のラベル付き衛星画像の最初のデータセットについて紹介する。本稿では,データセット上で正確な機械学習モデルをクラウドソーシングするための,協調ベンチマークツールの結果を紹介する。
参考スコア（独自算出の注目度）: 0.6396288020763143
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: This paper introduces the first dataset of satellite images labeled with forage quality by on-the-ground experts and provides proof of concept for applying computer vision methods to index-based drought insurance. We also present the results of a collaborative benchmark tool used to crowdsource an accurate machine learning model on the dataset. Our methods significantly outperform the existing technology for an insurance program in Northern Kenya, suggesting that a computer vision-based approach could substantially benefit pastoralists, whose exposure to droughts is severe and worsening with climate change.
Abstract（参考訳）: 本稿では,地上の専門家による飼料品質のラベル付き衛星画像の最初のデータセットを紹介し,コンピュータビジョン手法を干ばつ保険に適用するための概念実証を行う。また,データセット上で正確な機械学習モデルをクラウドソースするために使用される協調ベンチマークツールの結果を示す。本手法は,北ケニアの保険プログラムにおいて既存の技術よりも著しく優れており,干ばつへの曝露が深刻で気候変動により悪化している牧畜業者にとって,コンピュータビジョンに基づくアプローチが大きな利益をもたらす可能性が示唆されている。

関連論文リスト

Advanced Wildfire Prediction in Morocco: Developing a Deep Learning Dataset from Multisource Observations [0.0]
本研究ではモロッコの山火事予測に特化して設計された,新しい包括的データセットを紹介する。植生の健康度(NDVI)、人口密度、土壌水分量、気象データなどの重要な環境指標をまとめた。予備的な結果は、このデータセットを用いたモデルが最大90%の精度を達成し、予測能力を著しく改善していることを示している。
論文参考訳（メタデータ） (2024-11-09T15:01:12Z)
Data-Driven Uncertainty-Aware Forecasting of Sea Ice Conditions in the Gulf of Ob Based on Satellite Radar Imagery [18.442595367075867]
本稿では,オビ湾における海水環境予測のための新しいデータ駆動手法を提案する。我々のアプローチは、北極海氷力学のユニークな課題に合わせて、ドメイン固有のデータ前処理と拡張技術を用いて、高度なビデオ予測モデルを統合する。
論文参考訳（メタデータ） (2024-10-14T15:52:36Z)
Augmenting Ground-Level PM2.5 Prediction via Kriging-Based Pseudo-Label Generation [0.9175121581660474]
本研究では,通常のクリグ法と呼ばれる空間的手法により生成された擬似ラベルと組み合わせたラベルのない衛星画像を導入することにより,トレーニングデータセットを増強する戦略を提案する。提案したデータ拡張戦略は,最先端の畳み込みニューラルネットワークランダムフォレスト(CNN-RF)モデルの性能を合理的に向上させる。
論文参考訳（メタデータ） (2024-01-16T02:42:45Z)
Long-term drought prediction using deep neural networks based on geospatial weather data [75.38539438000072]
農業計画や保険には1年前から予測される高品質の干ばつが不可欠だ。私たちは、体系的なエンドツーエンドアプローチを採用するエンドツーエンドアプローチを導入することで、干ばつデータに取り組みます。主な発見は、TransformerモデルであるEarthFormerが、正確な短期(最大6ヶ月)の予測を行う際の例外的なパフォーマンスである。
論文参考訳（メタデータ） (2023-09-12T13:28:06Z)
Beyond S-curves: Recurrent Neural Networks for Technology Forecasting [60.82125150951035]
我々は機械学習と時系列予測の最近の進歩を生かしたオートコーダアプローチを開発した。 S曲線予測は、単純なARIMAベースラインに匹敵する平均パーセンテージ誤差(MAPE)を示す。我々のオートエンコーダアプローチは、2番目に高い結果に対して平均13.5%改善する。
論文参考訳（メタデータ） (2022-11-28T14:16:22Z)
Embedding Earth: Self-supervised contrastive pre-training for dense land cover classification [61.44538721707377]
本研究では,衛星画像の高可用性を活用するための自己監督型コントラスト事前学習法として,エンベディングアースを提案する。提案手法による事前学習では, 25%の絶対mIoUが得られた。学習した特徴は、異なる領域間で一般化され、提案した事前学習スキームの可能性を開放する。
論文参考訳（メタデータ） (2022-03-11T16:14:14Z)
DMRVisNet: Deep Multi-head Regression Network for Pixel-wise Visibility Estimation Under Foggy Weather [0.0]
霧は、一般的な気象の一種として、特に山岳地帯において、現実世界に頻繁に現れる。現在の方法では、道路上の固定位置に配置されたプロの楽器を使用して視界測定を行う。可視性を推定するために、革新的なエンドツーエンドの畳み込みニューラルネットワークフレームワークを提案する。
論文参考訳（メタデータ） (2021-12-08T13:31:07Z)
Country-wide Retrieval of Forest Structure From Optical and SAR Satellite Imagery With Bayesian Deep Learning [74.94436509364554]
本研究では,10mの解像度で森林構造変数を高密度に推定するベイズ深層学習手法を提案する。本手法は,Sentinel-2光画像とSentinel-1合成開口レーダ画像を5種類の森林構造変数のマップに変換する。ノルウェーを横断する41の空中レーザー走査ミッションの基準データに基づいて、我々のモデルを訓練し、テストする。
論文参考訳（メタデータ） (2021-11-25T16:21:28Z)
Using Satellite Imagery and Machine Learning to Estimate the Livelihood Impact of Electricity Access [4.006950662054732]
世界の多くの地域では、主要な経済成果に関する疎結合なデータが公共政策の発展、ターゲティング、評価を阻害している。衛星画像と機械学習の進歩は、これらのデータと推論の課題を改善するのにどのように役立つかを実証する。本稿では,衛星画像とコンピュータビジョンを組み合わせることで,生活環境への電気アクセスの因果的影響を推定し,地域レベルの生活環境計測を行う方法について述べる。
論文参考訳（メタデータ） (2021-09-07T06:14:08Z)
Potato Crop Stress Identification in Aerial Images using Deep Learning-based Object Detection [60.83360138070649]
本稿では, 深層ニューラルネットワークを用いたジャガイモの空中画像解析手法を提案する。主な目的は、植物レベルでの健康作物とストレス作物の自動空間認識を実証することである。実験により、フィールド画像中の健康植物とストレス植物を識別し、平均Dice係数0.74を達成できることを示した。
論文参考訳（メタデータ） (2021-06-14T21:57:40Z)
Generating Interpretable Poverty Maps using Object Detection in Satellite Images [80.35540308137043]
衛星画像に物体検出装置を適用することにより、局所レベルでの貧困を正確に予測するための解釈可能な計算手法を実証する。対象物の重み付けを特徴として、ウガンダの村レベルの貧困を予測する0.539 Pearson's r2を達成し、既存の(解釈不可能でない)ベンチマークよりも31%改善した。
論文参考訳（メタデータ） (2020-02-05T02:50:01Z)

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。