論文の概要: Outlier detection at the parcel-level in wheat and rapeseed crops using
multispectral and SAR time series
- arxiv url: http://arxiv.org/abs/2004.08431v3
- Date: Fri, 5 Mar 2021 09:49:06 GMT
- ステータス: 処理完了
- システム内更新日: 2022-12-12 12:57:29.075628
- Title: Outlier detection at the parcel-level in wheat and rapeseed crops using
multispectral and SAR time series
- Title（参考訳）: 多スペクトルおよびSAR時系列を用いたコムギ・ラピセド作物の果粒レベルでの異常検出
- Authors: Florian Mouret and Mohanad Albughdadi and Sylvie Duthoit and Denis
Kouam\'e and Guillaume Rieu and Jean-Yves Tourneret
- Abstract要約: 本稿では, 教師なし外乱検出技術を用いて, 区画レベルでの異常な作物発生の検出について検討する。
ボース(フランス)におけるラプシーズとコムギの試験的検証
- 参考スコア（独自算出の注目度）: 9.864983904905158
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: This paper studies the detection of anomalous crop development at the
parcel-level based on an unsupervised outlier detection technique. The
experimental validation is conducted on rapeseed and wheat parcels located in
Beauce (France). The proposed methodology consists of four sequential steps: 1)
preprocessing of synthetic aperture radar (SAR) and multispectral images
acquired using Sentinel-1 and Sentinel-2 satellites, 2) extraction of SAR and
multispectral pixel-level features, 3) computation of parcel-level features
using zonal statistics and 4) outlier detection. The different types of
anomalies that can affect the studied crops are analyzed and described. The
different factors that can influence the outlier detection results are
investigated with a particular attention devoted to the synergy between
Sentinel-1 and Sentinel-2 data. Overall, the best performance is obtained when
using jointly a selection of Sentinel-1 and Sentinel-2 features with the
isolation forest algorithm. The selected features are VV and VH backscattering
coefficients for Sentinel-1 and 5 Vegetation Indexes for Sentinel-2 (among us,
the Normalized Difference Vegetation Index and two variants of the Normalized
Difference Water). When using these features with an outlier ratio of 10%, the
percentage of detected true positives (i.e., crop anomalies) is equal to 94.1%
for rapeseed parcels and 95.5% for wheat parcels.
- Abstract（参考訳）: 本稿では, 教師なしアウトリア検出技術を用いて, 区画レベルでの異常作物発生の検出について検討する。
ボース(フランス)のラプシーズと小麦の果肉について実験的に検証した。
提案手法は以下の4段階からなる。
1)sentinel-1およびsentinel-2衛星を用いた合成開口レーダ(sar)およびマルチスペクトル画像の前処理
2)SARとマルチスペクトル画素レベルの特徴抽出
3)地域統計および地域統計を用いた区画レベルの特徴量の計算
4) 異常検出。
研究対象の作物に影響を及ぼす様々な種類の異常が分析され、説明される。
その結果, セチネル1とセチネル2データの相乗効果に着目し, 検出結果に影響を及ぼす要因について検討した。
全体としては,sentinel-1 と sentinel-2 の機能の選択を分離フォレストアルゴリズムと共同で行う場合,最高の性能が得られる。
選択された特徴は,センチネル-1のvvとvhの後方散乱係数,センチネル-2の5つの植生指標(うち,正規化差植生指数と正規化差水の2つの変種)である。
これらの特徴を10%の外れ値比で用いた場合、検出された真正(すなわち作物の異常)の割合は、ラプシドパーセルが94.1%、小麦パーセルが95.5%である。
関連論文リスト
- Resultant: Incremental Effectiveness on Likelihood for Unsupervised Out-of-Distribution Detection [63.93728560200819]
unsupervised out-of-distribution (U-OOD) は、未表示のin-distriion(ID)データのみに基づいて訓練された検出器でデータサンプルを識別することである。
近年の研究は、DGMに基づく様々な検出器を開発し、可能性を超えて移動している。
本研究では,各方向,特にポストホック前とデータセットエントロピー・ミューチュアルキャリブレーションの2つの手法を適用した。
実験の結果、結果が新しい最先端のU-OOD検出器になる可能性が示された。
論文 参考訳（メタデータ） (2024-09-05T02:58:13Z) - Generative adversarial wavelet neural operator: Application to fault
detection and isolation of multivariate time series data [3.265784083548797]
本稿では,障害検出と分離のための新しい教師なし深層学習手法として,GAWNO(Generative Adversarial Wavelet Neural operator)を提案する。
最初の段階では、GAWNOは通常の運用条件のデータセットに基づいてトレーニングされ、基礎となるデータ分布を学習する。
第2段階では, 差分値に基づいて故障を検出し, 分離するために, 再構成誤差に基づくしきい値法を用いる。
論文 参考訳（メタデータ） (2024-01-08T16:36:47Z) - Evaluation of the potential of Near Infrared Hyperspectral Imaging for
monitoring the invasive brown marmorated stink bug [53.682955739083056]
BMSB(Halyomorpha halys)は、数種の作物を害する世界的重要性の害虫である。
本研究は、BMSB検体を検出する技術として、NIR-HSI(Near Infrared Hyperspectral Imaging)を実験室レベルで予備評価する。
論文 参考訳（メタデータ） (2023-01-19T11:37:20Z) - Palm Vein Recognition via Multi-task Loss Function and Attention Layer [3.265773263570237]
本稿では,VGG-16伝達学習の融合注意機構に基づく畳み込みニューラルネットワークを,赤外線ヤシ静脈データセットの特徴抽出ネットワークとして利用する。
モデルのロバスト性を検証するため、異なるソースからのデータセットに対していくつかの実験を行った。
同時に、マッチングは高効率であり、ヤシ静脈対あたり平均0.13秒かかる。
論文 参考訳（メタデータ） (2022-11-11T02:32:49Z) - Deep Spectro-temporal Artifacts for Detecting Synthesized Speech [57.42110898920759]
本稿では,トラック1(低品質フェイク音声検出)とトラック2(部分フェイク音声検出)の総合評価を行う。
本稿では, 原時間信号, スペクトル特性, 深層埋没特性を用いて, 分光時相アーティファクトを検出した。
我々はそれぞれ1番線と2番線で4位と5位にランクインした。
論文 参考訳（メタデータ） (2022-10-11T08:31:30Z) - ReDFeat: Recoupling Detection and Description for Multimodal Feature
Learning [51.07496081296863]
我々は、相互重み付け戦略による多モーダル特徴学習の検出と記述の独立した制約を再定義する。
本研究では,大きな受容場を有し,学習可能な非最大抑制層を備える検出器を提案する。
我々は,特徴マッチングと画像登録タスクにおける特徴量を評価するために,クロス可視,赤外線,近赤外,合成開口レーダ画像ペアを含むベンチマークを構築した。
論文 参考訳（メタデータ） (2022-05-16T04:24:22Z) - Reconstruction of Sentinel-2 Time Series Using Robust Gaussian Mixture
Models -- Application to the Detection of Anomalous Crop Development in wheat
and rapeseed crops [14.849671539394272]
データの欠落は、主にマルチスペクトル画像のクラウドカバレッジと取得の問題によって、リモートセンシングにおいて繰り返し発生する問題である。
マルチスペクトル画像から抽出したパーセルレベルの特徴を再構成するためのガウス混合モデル(GMM)を提案する。
また、Sentinel-1データを用いた合成開口レーダ(SAR)画像から抽出した付加的特徴を用いて補完情報を提供する。
論文 参考訳（メタデータ） (2021-10-22T13:35:54Z) - PANDA : Perceptually Aware Neural Detection of Anomalies [20.838700258121197]
視覚的に異なる異常と微妙な異常の両方を検出するために、半監督方式で訓練された新しい微粒VAE-GANアーキテクチャを提案する。
残差接続された二重機能抽出器, きめ細かい識別器, 知覚的損失関数を用いることで, 微妙で低いクラス間変異(異常対正常)を検出することができる。
論文 参考訳（メタデータ） (2021-04-28T11:03:50Z) - Generalizing Face Forgery Detection with High-frequency Features [63.33397573649408]
現在のCNNベースの検出器は、メソッド固有の色テクスチャに過度に適合するため、一般化に失敗する傾向にある。
フェースフォージェリ検出に高周波雑音を用いることを提案する。
1つは、複数のスケールで高周波ノイズを抽出するマルチスケールの高周波特徴抽出モジュールである。
2つ目は、低レベルRGB特徴抽出器を導く残差誘導空間注意モジュールで、新しい視点からフォージェリートレースにもっと集中する。
論文 参考訳（メタデータ） (2021-03-23T08:19:21Z) - Collaborative Training between Region Proposal Localization and
Classification for Domain Adaptive Object Detection [121.28769542994664]
オブジェクト検出のためのドメイン適応は、ラベル付きデータセットからラベル付きデータセットへの検出を適応させようとする。
本稿では,地域提案ネットワーク (RPN) と地域提案分類器 (RPC) が,大きなドメインギャップに直面した場合の転送可能性が大きく異なることを初めて明らかにする。
論文 参考訳（メタデータ） (2020-09-17T07:39:52Z) - Improving Co-registration for Sentinel-1 SAR and Sentinel-2 Optical
images [3.1647288800286657]
センチネル-1 SARとセンチネル2の光学画像の間には明らかに誤登録のシフトがある。
本稿では,2種類の画像の高速かつ効率的な登録方法を提案する。
論文 参考訳（メタデータ） (2020-05-22T10:35:11Z)
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。