Fugu-MT 論文翻訳(概要): Cloud detection in Landsat-8 imagery in Google Earth Engine based on a deep neural network

論文の概要: Cloud detection in Landsat-8 imagery in Google Earth Engine based on a deep neural network

arxiv url: http://arxiv.org/abs/2006.10358v2
Date: Thu, 1 Oct 2020 13:40:47 GMT
ステータス: 処理完了
システム内更新日: 2022-11-19 14:27:06.013303
Title: Cloud detection in Landsat-8 imagery in Google Earth Engine based on a deep neural network
Title（参考訳）: 深層ニューラルネットワークを用いたgoogle earthエンジンのランドサット-8画像における雲検出
Authors: Zhixiang Yin, Feng Ling, Giles M. Foody, Xinyan Li, and Yun Du
Abstract要約: 本稿では,ディープラーニング(DeepGEE-CD)に基づくGoogle Earth Engine(GEE)におけるLandsat-8画像のクラウド検出を直接行う手法を提案する。提案手法をLandsat-8画像を用いて検証し,DeepGEE-CDが広く用いられているマスク(Fmask)アルゴリズムよりも優れていたことを示す。
参考スコア（独自算出の注目度）: 4.892180108736862
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Google Earth Engine (GEE) provides a convenient platform for applications based on optical satellite imagery of large areas. With such data sets, the detection of cloud is often a necessary prerequisite step. Recently, deep learning-based cloud detection methods have shown their potential for cloud detection but they can only be applied locally, leading to inefficient data downloading time and storage problems. This letter proposes a method to directly perform cloud detection in Landsat-8 imagery in GEE based on deep learning (DeepGEE-CD). A deep neural network (DNN) was first trained locally, and then the trained DNN was deployed in the JavaScript client of GEE. An experiment was undertaken to validate the proposed method with a set of Landsat-8 images and the results show that DeepGEE-CD outperformed the widely used function of mask (Fmask) algorithm. The proposed DeepGEE-CD approach can accurately detect cloud in Landsat-8 imagery without downloading it, making it a promising method for routine cloud detection of Landsat-8 imagery in GEE.
Abstract（参考訳）: Google Earth Engine (GEE)は、大面積の光学衛星画像に基づくアプリケーションのための便利なプラットフォームを提供する。このようなデータセットでは、雲の検出は必要不可欠なステップであることが多い。近年,ディープラーニングベースのクラウド検出手法がクラウド検出の可能性を示しているが,ローカルでのみ適用可能であり,非効率なデータダウンロード時間とストレージの問題の原因となっている。本稿では,ディープラーニング(DeepGEE-CD)に基づくGEEにおけるLandsat-8画像のクラウド検出を直接行う手法を提案する。ディープニューラルネットワーク(DNN)が最初にローカルでトレーニングされ、トレーニングされたDNNがGEEのJavaScriptクライアントにデプロイされた。提案手法をランドサット-8画像のセットで検証する実験を行い,deepgee-cdが広く用いられているマスク(fmask)アルゴリズムよりも優れていることを示した。提案したDeepGEE-CDアプローチでは,ランドサット8画像中の雲をダウンロードせずに正確に検出することができる。

関連論文リスト

Underground Mapping and Localization Based on Ground-Penetrating Radar [11.737279515161505]
本稿では,GPRセンサからのBスキャン画像を利用して,深部畳み込みニューラルネットワークに基づくパラボラ信号検出ネットワークを提案する。検出されたキーポイントは、元のGPR Bスキャン画像をオブジェクトモデルの断面として解釈するのに使用されるパラボラ曲線を正確に適合させるのに役立つ。未知の場所では、GPRのAスキャンデータを使用して、構築された地図内の対応するAスキャンデータとマッチングし、その位置をピンポイントして、モデルによる地図構築の精度を検証する。
論文参考訳（メタデータ） (2024-09-24T20:26:16Z)
Contrasting Deepfakes Diffusion via Contrastive Learning and Global-Local Similarities [88.398085358514]
Contrastive Deepfake Embeddings (CoDE)は、ディープフェイク検出に特化した新しい埋め込み空間である。 CoDEは、グローバルローカルな類似性をさらに強化することで、対照的な学習を通じて訓練される。
論文参考訳（メタデータ） (2024-07-29T18:00:10Z)
PointRegGPT: Boosting 3D Point Cloud Registration using Generative Point-Cloud Pairs for Training [90.06520673092702]
生成点クラウドペアを用いた3Dポイントクラウドの登録をトレーニングのために促進するPointRegGPTを提案する。我々の知る限り、これは屋内のクラウド登録のためのリアルなデータ生成を探求する最初の生成的アプローチである。
論文参考訳（メタデータ） (2024-07-19T06:29:57Z)
Semantic Segmentation of Radar Detections using Convolutions on Point Clouds [59.45414406974091]
本稿では,レーダ検出を点雲に展開する深層学習手法を提案する。このアルゴリズムは、距離依存クラスタリングと入力点雲の事前処理により、レーダ固有の特性に適応する。我々のネットワークは、レーダポイント雲のセマンティックセグメンテーションのタスクにおいて、PointNet++に基づく最先端のアプローチよりも優れています。
論文参考訳（メタデータ） (2023-05-22T07:09:35Z)
HPointLoc: Point-based Indoor Place Recognition using Synthetic RGB-D Images [58.720142291102135]
本稿では,屋内環境における視覚的位置認識能力の探索を目的とした,HPointLocという新しいデータセットを提案する。データセットは人気のあるHabitatシミュレータに基づいており、独自のセンサーデータとオープンデータセットの両方を使用して屋内シーンを生成することができる。
論文参考訳（メタデータ） (2022-12-30T12:20:56Z)
An Adaptive Threshold for the Canny Edge Detection with Actor-Critic Algorithm [0.0]
ディープラーニングに基づくオブジェクト検出アルゴリズムでは、検出能力は古典的バックグラウンドサブトラクション(BGS)アルゴリズムよりも優れている。本稿では、時間的・空間的な情報を抽出できる前景時間融合ネットワーク(STFN)を提案する。提案アルゴリズムは、LASIESTAとSBIデータセットの最新のディープラーニング手法よりも11.28%と18.33%高い。
論文参考訳（メタデータ） (2022-09-19T01:15:32Z)
Unsupervised Point Cloud Representation Learning with Deep Neural Networks: A Survey [104.71816962689296]
大規模クラウドラベリングの制約により,教師なしのポイントクラウド表現学習が注目されている。本稿では、ディープニューラルネットワークを用いた教師なしポイントクラウド表現学習の総合的なレビューを提供する。
論文参考訳（メタデータ） (2022-02-28T07:46:05Z)
Weakly-Supervised Cloud Detection with Fixed-Point GANs [6.675491069288519]
衛星画像中の雲を検出するための弱教師付きアプローチを提案する。我々は、透明画像と曇り画像の間の固定点変換を学習するため、翻訳中に影響を受けるのは雲のみである。本研究では,Landsat-8 Biomeクラウド検出データセットに対するアプローチの有効性を示す。
論文参考訳（メタデータ） (2021-11-23T13:46:02Z)
Cloud detection machine learning algorithms for PROBA-V [6.950862982117125]
本論文で提示されるアルゴリズムの目的は,ピクセル当たりのクラウドフラグを正確に提示するクラウドを検出することである。提案手法の有効性を,多数の実proba-v画像を用いて検証した。
論文参考訳（メタデータ） (2020-12-09T18:23:59Z)
Generating the Cloud Motion Winds Field from Satellite Cloud Imagery Using Deep Learning Approach [1.8655840060559172]
データ駆動型ディープラーニングアプローチに基づくクラウドモーションウィンドアルゴリズムについて検討する。深層学習モデルを用いて、運動特徴表現を自動的に学習し、雲の風の場を直接出力する。我々はまた、従来のアルゴリズムでは達成できない固定領域における雲の動きの風場を予測するために、単一の雲画像を使用することも試みている。
論文参考訳（メタデータ） (2020-10-03T05:40:36Z)
Cooling-Shrinking Attack: Blinding the Tracker with Imperceptible Noises [87.53808756910452]
The method is proposed to deceive-of-the-the-art SiameseRPN-based tracker。本手法は転送性に優れ,DaSiamRPN,DaSiamRPN-UpdateNet,DiMPなどの他のトップパフォーマンストラッカーを騙すことができる。
論文参考訳（メタデータ） (2020-03-21T07:13:40Z)

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。