論文の概要: Tropical and Extratropical Cyclone Detection Using Deep Learning
- arxiv url: http://arxiv.org/abs/2005.09056v1
- Date: Mon, 18 May 2020 20:09:20 GMT
- ステータス: 処理完了
- システム内更新日: 2022-12-02 00:32:35.876691
- Title: Tropical and Extratropical Cyclone Detection Using Deep Learning
- Title（参考訳）: 深層学習を用いた熱帯・熱帯のサイクロン検出
- Authors: Christina Kumler-Bonfanti, Jebb Stewart, David Hall, Mark Govett
- Abstract要約: U-Net構造を用いたディープラーニングセグメンテーション画像モデルは、より制限的なアプローチによって欠落した領域を特定することができる。
4つのU-Netモデルは、熱帯と熱帯のサイクロン地域を検知するために設計されている。
熱帯性サイクロンU-Netモデルは、同じROIを検出するために使用される同等のモデルよりも3倍高速に動作した。
- 参考スコア（独自算出の注目度）: 0.7025418443146436
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Extracting valuable information from large sets of diverse meteorological
data is a time-intensive process. Machine learning methods can help improve
both speed and accuracy of this process. Specifically, deep learning image
segmentation models using the U-Net structure perform faster and can identify
areas missed by more restrictive approaches, such as expert hand-labeling and a
priori heuristic methods. This paper discusses four different state-of-the-art
U-Net models designed for detection of tropical and extratropical cyclone
Regions Of Interest (ROI) from two separate input sources: total precipitable
water output from the Global Forecasting System (GFS) model and water vapor
radiance images from the Geostationary Operational Environmental Satellite
(GOES). These models are referred to as IBTrACS-GFS, Heuristic-GFS,
IBTrACS-GOES, and Heuristic-GOES. All four U-Nets are fast information
extraction tools and perform with a ROI detection accuracy ranging from 80% to
99%. These are additionally evaluated with the Dice and Tversky Intersection
over Union (IoU) metrics, having Dice coefficient scores ranging from 0.51 to
0.76 and Tversky coefficients ranging from 0.56 to 0.74. The extratropical
cyclone U-Net model performed 3 times faster than the comparable heuristic
model used to detect the same ROI. The U-Nets were specifically selected for
their capabilities in detecting cyclone ROI beyond the scope of the training
labels. These machine learning models identified more ambiguous and active ROI
missed by the heuristic model and hand-labeling methods commonly used in
generating real-time weather alerts, having a potentially direct impact on
public safety.
- Abstract（参考訳）: さまざまな気象データから貴重な情報を抽出することは、時間集約的なプロセスである。
機械学習は、このプロセスのスピードと正確性を改善するのに役立つ。
特に、u-net構造を用いたディープラーニングイメージセグメンテーションモデルは、より高速に動作し、エキスパートハンドラベルや事前ヒューリスティックな方法といった、より制限のあるアプローチで見落とされた領域を識別することができる。
本稿では,グローバル・フォアキャスティング・システム(GFS)モデルからの総降水量と,静止運用環境衛星(GOES)からの水蒸気放射画像の2つの異なる入力源から,熱帯および熱帯のサイクロン地域(ROI)を検出するために設計された4つの最先端U-Netモデルについて述べる。
これらのモデルは、IBTrACS-GFS、Huristic-GFS、IBTrACS-GOES、Huristic-GOESと呼ばれている。
4つのU-Netはいずれも高速情報抽出ツールであり、ROI検出精度は80%から99%である。
これらは、Dice と Tversky Intersection over Union (IoU) のメトリクスで評価され、Dice 係数は 0.51 から 0.76 まで、Tversky 係数は 0.56 から 0.74 までである。
熱帯性サイクロンU-Netモデルは、同じROIを検出するために使用される同種のヒューリスティックモデルよりも3倍高速に動作した。
U-Netはトレーニングラベルの範囲を超えてサイクロンROIを検出する能力のために特別に選択された。
これらの機械学習モデルは、ヒューリスティックなモデルや、リアルタイムの天気予報の生成に一般的に使用される手ラベル法によって見落としられた曖昧でアクティブなroiを識別し、公衆の安全に直接影響を与える可能性がある。
関連論文リスト
- Comparative Analysis on Snowmelt-Driven Streamflow Forecasting Using Machine Learning Techniques [0.20971479389679332]
我々は、時相畳み込みネットワーク(TCN)を利用した、最先端(SOTA)深層学習シーケンシャルモデルを提案する。
提案モデルの性能を評価するため,SVR(Support Vector Regression),LSTM(Long Short Term Memory),Transformer(Transformer)など,他の一般的なモデルとの比較分析を行った。
平均値では、TNが他のモデルより優れており、MAEは0.011、RMSEは0.023、R2$は0.991、KGEは0.992、NSEは0.991である。
論文 参考訳（メタデータ） (2024-04-20T09:02:50Z) - Global versus Local: Evaluating AlexNet Architectures for Tropical Cyclone Intensity Estimation [0.0]
AlexNetアーキテクチャに基づく2つのアンサンブルモデルを導入し、熱帯性サイクロン強度を推定する。
我々は、公開サイクロン画像データセットを用いて、TextitDeeptiと呼ばれるディープラーニングベンチマークモデルに対して、両方のモデルの性能を評価する。
論文 参考訳（メタデータ） (2024-04-11T00:02:57Z) - AirShot: Efficient Few-Shot Detection for Autonomous Exploration [18.09990606406497]
ロボット探索では、オンラインで提供されたいくつかの例で、見えない物体を見つけるためにロボットが必要とされる。
既存のメソッドは、主に信頼性の低い機能と徹底したクラスループのために、パフォーマンスと効率の課題に直面しています。
我々は新しいパラダイムであるAirShotを提案し、AirShotは価値ある相関マップを完全に活用することによって、より堅牢な数発のオブジェクト検出システムを実現する。
論文 参考訳（メタデータ） (2024-04-07T20:39:31Z) - SIRST-5K: Exploring Massive Negatives Synthesis with Self-supervised
Learning for Robust Infrared Small Target Detection [53.19618419772467]
単一フレーム赤外線小ターゲット検出(SIRST)は、乱雑な背景から小さなターゲットを認識することを目的としている。
Transformerの開発に伴い、SIRSTモデルのスケールは常に増大している。
赤外線小ターゲットデータの多彩な多様性により,本アルゴリズムはモデル性能と収束速度を大幅に改善する。
論文 参考訳（メタデータ） (2024-03-08T16:14:54Z) - Innovative Horizons in Aerial Imagery: LSKNet Meets DiffusionDet for
Advanced Object Detection [55.2480439325792]
本稿では,LSKNetのバックボーンをDiffusionDetヘッドに統合したオブジェクト検出モデルの詳細な評価を行う。
提案手法は平均精度(MAP)を約45.7%向上させる。
この進歩は、提案された修正の有効性を強調し、航空画像解析の新しいベンチマークを設定する。
論文 参考訳（メタデータ） (2023-11-21T19:49:13Z) - Residual Corrective Diffusion Modeling for Km-scale Atmospheric Downscaling [58.456404022536425]
気象・気候からの物理的危険予知技術の現状には、粗い解像度のグローバルな入力によって駆動される高価なkmスケールの数値シミュレーションが必要である。
ここでは、コスト効率のよい機械学習代替手段として、このようなグローバルな入力をkmスケールにダウンスケールするために、生成拡散アーキテクチャを探索する。
このモデルは、台湾上空の地域気象モデルから2kmのデータを予測するために訓練され、世界25kmの再解析に基づいている。
論文 参考訳（メタデータ） (2023-09-24T19:57:22Z) - Automatic Detection of Interplanetary Coronal Mass Ejections in Solar
Wind In Situ Data [0.0]
本稿では,ICMEの自動検出のためのパイプラインを提案する。
パイプラインは,平均絶対誤差(MAE)が約2時間56分,終了時間が3時間20分であるICMEの開始点を見つける。
論文 参考訳（メタデータ） (2022-05-07T07:25:05Z) - Channel Pruned YOLOv5-based Deep Learning Approach for Rapid and
Accurate Outdoor Obstacles Detection [6.703770367794502]
1段階のアルゴリズムは、大量のデータをトレーニングする必要があるターゲット検出システムで広く使われている。
畳み込み構造のため、より多くの計算能力とメモリ消費が必要である。
対象検出ネットワークにプルーニング戦略を適用し,パラメータ数とモデルサイズを削減した。
論文 参考訳（メタデータ） (2022-04-27T21:06:04Z) - Vision in adverse weather: Augmentation using CycleGANs with various
object detectors for robust perception in autonomous racing [70.16043883381677]
自律レースでは、天気は突然変化し、認識が著しく低下し、非効率な操作が引き起こされる。
悪天候の検知を改善するために、ディープラーニングベースのモデルは通常、そのような状況下でキャプチャされた広範なデータセットを必要とする。
本稿では,5つの最先端検出器のうち4つの性能向上を図るために,自動レース(CycleGANを用いた)における合成悪条件データセットを用いた手法を提案する。
論文 参考訳（メタデータ） (2022-01-10T10:02:40Z) - Lidar Light Scattering Augmentation (LISA): Physics-based Simulation of
Adverse Weather Conditions for 3D Object Detection [60.89616629421904]
ライダーベースの物体検出器は、自動運転車のような自律ナビゲーションシステムにおいて、3D知覚パイプラインの重要な部分である。
降雨、雪、霧などの悪天候に敏感で、信号-雑音比(SNR)と信号-背景比(SBR)が低下している。
論文 参考訳（メタデータ） (2021-07-14T21:10:47Z) - Anchor-free Small-scale Multispectral Pedestrian Detection [88.7497134369344]
適応型単一段アンカーフリーベースアーキテクチャにおける2つのモードの効果的かつ効率的な多重スペクトル融合法を提案する。
我々は,直接的境界ボックス予測ではなく,対象の中心と規模に基づく歩行者表現の学習を目指す。
その結果,小型歩行者の検出における本手法の有効性が示唆された。
論文 参考訳（メタデータ） (2020-08-19T13:13:01Z)
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。
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。