論文の概要: The GeoLifeCLEF 2020 Dataset
- arxiv url: http://arxiv.org/abs/2004.04192v1
- Date: Wed, 8 Apr 2020 18:30:00 GMT
- ステータス: 処理完了
- システム内更新日: 2022-12-15 08:00:35.681720
- Title: The GeoLifeCLEF 2020 Dataset
- Title(参考訳): GeoLifeCLEF 2020データセット
- Authors: Elijah Cole, Benjamin Deneu, Titouan Lorieul, Maximilien Servajean,
Christophe Botella, Dan Morris, Nebojsa Jojic, Pierre Bonnet, Alexis Joly
- Abstract要約: 我々は、高解像度のリモートセンシング画像、土地被覆データ、高度と組み合わせた190万種の観測結果からなるGeoLifeCLEF 2020データセットを提示する。
我々はまた、GeoLifeCLEF 2020コンペティションについても論じる。
- 参考スコア(独自算出の注目度): 13.274586385114622
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Understanding the geographic distribution of species is a key concern in
conservation. By pairing species occurrences with environmental features,
researchers can model the relationship between an environment and the species
which may be found there. To facilitate research in this area, we present the
GeoLifeCLEF 2020 dataset, which consists of 1.9 million species observations
paired with high-resolution remote sensing imagery, land cover data, and
altitude, in addition to traditional low-resolution climate and soil variables.
We also discuss the GeoLifeCLEF 2020 competition, which aims to use this
dataset to advance the state-of-the-art in location-based species
recommendation.
- Abstract(参考訳): 種の地理的分布を理解することは、保全の重要な関心事である。
種と環境の特徴を組み合わせることで、研究者は環境とそこで見られる種との関係をモデル化することができる。
この領域の研究を容易にするために、従来の低解像度気候と土壌変数に加えて、高解像度のリモートセンシング画像、土地被覆データ、高度と組み合わせた190万種の観測結果からなるGeoLifeCLEF 2020データセットを提示する。
我々はまた、GeoLifeCLEF 2020コンペティションについても論じる。
関連論文リスト
- A Geospatial Approach to Predicting Desert Locust Breeding Grounds in
Africa [4.02300146952738]
ロカスト群れは農業と食料安全保障に 大きな脅威を与えます
本研究は,ロカスト繁殖場予測のための操作可能なモデルを開発した。
論文 参考訳(メタデータ) (2024-03-11T16:13:58Z) - SatBird: Bird Species Distribution Modeling with Remote Sensing and
Citizen Science Data [68.2366021016172]
本稿では,市民科学データベース eBird の観測データから得られたラベルを用いた,米国内の位置情報のサテライトデータセットである SatBird について述べる。
ケニアでは低データのレシエーションを表すデータセットも提供しています。
リモートセンシングタスクのためのSOTAモデルを含む、データセットのベースラインセットをベンチマークします。
論文 参考訳(メタデータ) (2023-11-02T02:00:27Z) - Spatial Implicit Neural Representations for Global-Scale Species Mapping [72.92028508757281]
ある種が観察された場所の集合を考えると、その種がどこにいても存在しないかを予測するためのモデルを構築することが目的である。
従来の手法は、新たな大規模クラウドソースデータセットを活用するのに苦労している。
本研究では,47k種の地理的範囲を同時に推定するために,空間入射ニューラル表現(SINR)を用いる。
論文 参考訳(メタデータ) (2023-06-05T03:36:01Z) - GeoGLUE: A GeoGraphic Language Understanding Evaluation Benchmark [56.08664336835741]
我々はGeoGLUEと呼ばれるGeoGraphic Language Understanding Evaluationベンチマークを提案する。
オープンソースの地理資源からデータを収集し、6つの自然言語理解タスクを導入する。
我々は,GeoGLUEベンチマークの有効性と意義を示す一般ベースラインの評価実験と解析を行った。
論文 参考訳(メタデータ) (2023-05-11T03:21:56Z) - Bird Distribution Modelling using Remote Sensing and Citizen Science
data [31.375576105932442]
気候変動は生物多様性の喪失の主要な要因である。
種の分布には大きな知識ギャップがある。
本稿では,コンピュータビジョンを利用した種分散モデルの改良手法を提案する。
論文 参考訳(メタデータ) (2023-05-01T20:27:11Z) - GeoNet: Benchmarking Unsupervised Adaptation across Geographies [71.23141626803287]
地理的ロバスト性の問題について検討し、3つの主要な貢献を行う。
まず,地理的適応のための大規模データセットGeoNetを紹介する。
第2に、シーンコンテキストにおける大きな変化から、ドメインシフトの主な原因が生じるという仮説を立てる。
第3に、最先端の教師なしドメイン適応アルゴリズムとアーキテクチャを広範囲に評価する。
論文 参考訳(メタデータ) (2023-03-27T17:59:34Z) - Spatiotemporal modeling of European paleoclimate using doubly sparse
Gaussian processes [61.31361524229248]
計算負担を軽減するため,近年の大規模分散時間GPを構築した。
我々は,古気候の確率モデルを構築するために,この2倍のスパースGPをうまく利用した。
論文 参考訳(メタデータ) (2022-11-15T14:15:04Z) - Activation Regression for Continuous Domain Generalization with
Applications to Crop Classification [48.795866501365694]
衛星画像の地理的変異は、機械学習モデルが新しい領域に一般化する能力に影響を与える。
中分解能ランドサット8衛星画像の地理的一般化を連続領域適応問題としてモデル化する。
我々は,アメリカ大陸全域に空間分布するデータセットを開発した。
論文 参考訳(メタデータ) (2022-04-14T15:41:39Z) - Linking Sap Flow Measurements with Earth Observations [0.0]
我々は、天蓋振動をモデル化するための地球観測の適合性を検証した。
機械学習の枠組みの中で、私たちは天蓋呼吸をモデル化するための地球観測の適合性を検証した。
論文 参考訳(メタデータ) (2021-08-03T04:40:15Z)
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。