論文の概要: Farmland Parcel Delineation Using Spatio-temporal Convolutional Networks

• arxiv url: http://arxiv.org/abs/2004.05471v2
• Date: Mon, 20 Apr 2020 16:34:41 GMT
• ステータス: 処理完了
• システム内更新日: 2022-12-14 13:09:47.107594
• Title: Farmland Parcel Delineation Using Spatio-temporal Convolutional Networks
• Title（参考訳）: 時空間畳み込みネットワークを用いた農地区画分割
• Authors: Han Lin Aung, Burak Uzkent, Marshall Burke, David Lobell, Stefano Ermon
• Abstract要約: ファームパーセル・デライン化は、気候変動政策の開発と管理において重要なカダストラルデータを提供する。 このデータは、極端な気象災害に伴う損害後の補償を評価するための農業保険セクターにも有用である。 衛星画像の利用は、農場の区画整理作業を行うためのスケーラブルで費用対効果の高い方法である。
• 参考スコア（独自算出の注目度）: 77.63950365605845
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Farm parcel delineation provides cadastral data that is important in developing and managing climate change policies. Specifically, farm parcel delineation informs applications in downstream governmental policies of land allocation, irrigation, fertilization, green-house gases (GHG's), etc. This data can also be useful for the agricultural insurance sector for assessing compensations following damages associated with extreme weather events - a growing trend related to climate change. Using satellite imaging can be a scalable and cost effective manner to perform the task of farm parcel delineation to collect this valuable data. In this paper, we break down this task using satellite imaging into two approaches: 1) Segmentation of parcel boundaries, and 2) Segmentation of parcel areas. We implemented variations of UNets, one of which takes into account temporal information, which achieved the best results on our dataset on farmland parcels in France in 2017.
• Abstract（参考訳）: ファームパーセル・デライン化は、気候変動政策の開発と管理において重要なカダストラルデータを提供する。 特にファーム・パーセル・デライン化は、下流政府の土地割当、灌水、肥育、グリーンハウスガス(ghg)など政策の応用を知らせる。 このデータは、異常気象に伴う損害後の補償を評価する農業保険部門にも有用であり、気候変動に関連する傾向が高まっている。 衛星画像の利用は、農場の区画整理作業や貴重なデータ収集に、スケーラブルで費用対効果の高い方法である。 本稿では,この課題を衛星画像を用いて2つのアプローチに分解する。 1)パーセル境界の分割,及び 2)パーセル領域のセグメンテーション。 私たちは、2017年のフランスにおける農地区画のデータセットで最高の結果を得た、時間的情報を考慮したUNetsのバリエーションを実装しました。

関連論文リスト

• Mapping Land Naturalness from Sentinel-2 using Deep Contextual and Geographical Priors [1.4528189330418977]
  我々は,現代の人的圧力の連続体に自然の陸地をマッピングするマルチモーダル教師付き深層学習フレームワークを開発した。 我々のフレームワークは、センチネル2データから陸地自然度をマッピングする際のモデルの予測性能を改善する。
  論文  参考訳（メタデータ） (2024-06-27T16:17:33Z)
• Reuse out-of-year data to enhance land cover mappingvia feature disentanglement and contrastive learning [5.936030178022172]
  土地利用/土地被覆(LULC)地図は、農業領域の管理、環境モニタリング、持続可能な意思決定を支援する上で重要な役割を果たしている。 新しい基底真理データを収集する必要があるため、以前に収集された参照データを完全に無視する。 本稿では,2つの異なる領域からのリモートセンシングと参照データを組み合わせたディープラーニングフレームワークを提案する。
  論文  参考訳（メタデータ） (2024-04-17T07:00:20Z)
• MineSegSAT: An automated system to evaluate mining disturbed area extents from Sentinel-2 imagery [0.0]
  本稿では,Sentinel-2データに基づいて学習したSegFormerディープラーニングセグメンテーションアーキテクチャを用いて,鉱物抽出サイトの環境影響領域を予測する新しい手法を提案する。 このデータは2021年にカナダ西部の非重複地域から収集された。 AWS上のデータにアクセスするためのモデルと進行中のAPIにより、自動化ツールが作成され、既知の鉱業サイトを取り巻く混乱した領域を監視できる。
  論文  参考訳（メタデータ） (2023-11-03T02:52:01Z)
• 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)
• Large Scale Masked Autoencoding for Reducing Label Requirements on SAR Data [5.235143203977019]
  本研究では,地球表面面積の8.7%をカバーするSAR振幅データに対して,自己教師付き事前学習方式,マスク付き自動符号化を適用した。 この事前学習方式を用いることで、下流タスクのラベル付け要求を1桁以上削減できることを示す。 本研究は,タスクモデルと地域固有のSARモデルの開発を促進することにより,気候変動の緩和を著しく促進する。
  論文  参考訳（メタデータ） (2023-10-02T00:11:47Z)
• HarvestNet: A Dataset for Detecting Smallholder Farming Activity Using Harvest Piles and Remote Sensing [50.4506590177605]
  HarvestNetは、2020-2023年のエチオピアのティグレイとアムハラの農場の存在をマッピングするためのデータセットである。 本研究は,多くの小作システムの特徴ある収穫杭の検出に基づく新しい手法を提案する。 本研究は, 農作物のリモートセンシングが, 食品の安全地帯において, よりタイムリーかつ正確な農地評価に寄与することが示唆された。
  論文  参考訳（メタデータ） (2023-08-23T11:03:28Z)
• Multimodal Dataset from Harsh Sub-Terranean Environment with Aerosol Particles for Frontier Exploration [55.41644538483948]
  本稿では, エアロゾル粒子を用いた過酷で非構造的な地下環境からのマルチモーダルデータセットを提案する。 ロボットオペレーティング・システム(ROS)フォーマットのすべてのオンボードセンサーから、同期された生データ計測を含んでいる。 本研究の焦点は、時間的・空間的なデータの多様性を捉えることだけでなく、取得したデータに厳しい条件が及ぼす影響を示すことである。
  論文  参考訳（メタデータ） (2023-04-27T20:21:18Z)
• VisDA 2022 Challenge: Domain Adaptation for Industrial Waste Sorting [61.52419223232737]
  産業廃棄物の選別において、最も大きな課題の1つは入力ストリームの極端な多様性である。 産業廃棄物浄化における領域適応に関するVisDA 2022の課題について紹介する。
  論文  参考訳（メタデータ） (2023-03-26T21:38:38Z)
• An Open Dataset of Sensor Data from Soil Sensors and Weather Stations at Production Farms [7.561052256409596]
  このデータセットは、3つの生産農場にまたがる3つのノードの代表サンプルから5ヶ月間の土壌センサデータから構成される。 このデータを気象データと相関させ,土壌中の雨の吸収について考察する。
  論文  参考訳（メタデータ） (2023-02-16T21:41:57Z)
• Jalisco's multiclass land cover analysis and classification using a novel lightweight convnet with real-world multispectral and relief data [51.715517570634994]
  本稿では、LC分類と解析を行うために、新しい軽量(89kパラメータのみ)畳み込みニューラルネットワーク(ConvNet)を提案する。 本研究では,実世界のオープンデータソースを3つ組み合わせて13のチャネルを得る。 組込み分析は、いくつかのクラスにおいて限られたパフォーマンスを期待し、最も類似したクラスをグループ化する機会を与えてくれます。
  論文  参考訳（メタデータ） (2022-01-26T14:58:51Z)

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。