論文の概要: Towards Adaptive Benthic Habitat Mapping
- arxiv url: http://arxiv.org/abs/2006.11453v1
- Date: Sat, 20 Jun 2020 01:03:41 GMT
- ステータス: 処理完了
- システム内更新日: 2022-11-18 23:05:00.226139
- Title: Towards Adaptive Benthic Habitat Mapping
- Title(参考訳): 適応型benthic habitat mappingに向けて
- Authors: Jackson Shields, Oscar Pizarro, Stefan B. Williams
- Abstract要約: 本研究では,効率的な自律下水車両(AUV)探査計画に生息環境モデルを用いる方法を示す。
ベイズニューラルネットワークは、広範囲な水量測定データを与えられたとき、視覚的に派生した生息地クラスを予測するために使用される。
これらの構造的不確実性推定が、より少ないサンプルでモデルを改善するためにどのように利用できるかを実証する。
- 参考スコア(独自算出の注目度): 9.904746542801838
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Autonomous Underwater Vehicles (AUVs) are increasingly being used to support
scientific research and monitoring studies. One such application is in benthic
habitat mapping where these vehicles collect seafloor imagery that complements
broadscale bathymetric data collected using sonar. Using these two data
sources, the relationship between remotely-sensed acoustic data and the sampled
imagery can be learned, creating a habitat model. As the areas to be mapped are
often very large and AUV systems collecting seafloor imagery can only sample
from a small portion of the survey area, the information gathered should be
maximised for each deployment. This paper illustrates how the habitat models
themselves can be used to plan more efficient AUV surveys by identifying where
to collect further samples in order to most improve the habitat model. A
Bayesian neural network is used to predict visually-derived habitat classes
when given broad-scale bathymetric data. This network can also estimate the
uncertainty associated with a prediction, which can be deconstructed into its
aleatoric (data) and epistemic (model) components. We demonstrate how these
structured uncertainty estimates can be utilised to improve the model with
fewer samples. Such adaptive approaches to benthic surveys have the potential
to reduce costs by prioritizing further sampling efforts. We illustrate the
effectiveness of the proposed approach using data collected by an AUV on
offshore reefs in Tasmania, Australia.
- Abstract(参考訳): AUV(Autonomous Underwater Vehicles)は、科学研究やモニタリング研究を支援するためにますます利用されている。
このような応用の1つは、ソナーを用いて収集された広範囲な水位測定データを補完する海底画像を集めるベントックな環境マッピングである。
これら2つのデータを用いて、リモートセンシングされた音響データとサンプル画像の関係を学習し、生息環境モデルを作成する。
マッピング対象の地域は、しばしば非常に大きく、海底画像を集めるAUVシステムは、調査領域のごく一部からのみサンプリングできるため、各展開毎に収集された情報は最大化されるべきである。
本稿では, 生息環境モデル自体が, 生息環境モデルを改善するために, より効率的なAUV調査の計画にどのように使用できるかを示す。
ベイズニューラルネットワークは、広範囲な水量測定データを与えられたとき、視覚的に派生した生息地クラスを予測するために使用される。
このネットワークは、予測に関連する不確実性を推定することも可能であり、その予測はアレタリック(データ)とエピステミック(モデル)に分解することができる。
これらの構造的不確実性推定が、より少ないサンプルでモデルを改善するためにどのように利用できるかを実証する。
このようなベンシックサーベイへの適応的アプローチは、さらなるサンプリング作業を優先することでコストを削減できる可能性がある。
オーストラリア,タスマニアの沖合のサンゴ礁において,AUVが収集したデータを用いたアプローチの有効性について述べる。
関連論文リスト
- Synthetic location trajectory generation using categorical diffusion
models [50.809683239937584]
拡散モデル(DPM)は急速に進化し、合成データのシミュレーションにおける主要な生成モデルの一つとなっている。
本稿では,個人が訪れた物理的位置を表す変数列である合成個別位置軌跡(ILT)の生成にDPMを用いることを提案する。
論文 参考訳(メタデータ) (2024-02-19T15:57:39Z) - Source-Free Unsupervised Domain Adaptation with Hypothesis Consolidation
of Prediction Rationale [53.152460508207184]
Source-Free Unsupervised Domain Adaptation (SFUDA)は、モデルがターゲットのドメインラベルやソースドメインデータにアクセスせずに新しいドメインに適応する必要がある、という課題である。
本稿では,各サンプルについて複数の予測仮説を考察し,各仮説の背景にある理論的根拠について考察する。
最適性能を達成するために,モデル事前適応,仮説統合,半教師付き学習という3段階の適応プロセスを提案する。
論文 参考訳(メタデータ) (2024-02-02T05:53:22Z) - 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) - Conditional Unscented Autoencoders for Trajectory Prediction [13.121738145903532]
CVAEはADの軌道予測において最も広く使われているモデルの一つである。
CVAEの基礎となるVAEの空間における最近の進歩を利用して,サンプリング手順の簡単な変更が性能に大きな恩恵をもたらすことを示す。
CelebAデータセット上の画像モデリングのタスクだけでなく、InterAction予測データセット上で評価することで、我々のモデルの幅広い適用性を示す。
論文 参考訳(メタデータ) (2023-10-30T18:59:32Z) - Unseen Image Synthesis with Diffusion Models [44.37803942479853]
単ドメインデータセット上で、事前学習および凍結したDenoising Diffusion Probabilistic Models (DDPM) を用いて、未確認領域画像を追加訓練せずに合成する。
我々のキーとなる観察は、単ドメイン画像のみに事前訓練されたDDPMは、反転潜時符号化から任意の画像を再構成するのに十分な表現能力を備えています。
我々は,様々なデータセット上で,事前学習拡散モデル (DDPM, iDDPM) を用いた広範囲な解析と実験を行った。
論文 参考訳(メタデータ) (2023-10-13T16:07:31Z) - Forest Parameter Prediction by Multiobjective Deep Learning of
Regression Models Trained with Pseudo-Target Imputation [6.853936752111048]
リモートセンシングデータを用いた森林パラメータの予測において、回帰モデルは、伝統的に地上基準データの小さなサンプルに基づいて訓練されてきた。
本稿では, 擬似ターゲットとみなす既存の RS ベースの予測マップからのデータを用いて, この真の予測対象のサンプルをインプットする。
我々は、空中レーザー走査(ALS)データから構築された予測マップを用いて、正確な擬似ターゲットと、Sentinel-1のCバンド合成開口レーダ(SAR)のデータを回帰器として提供する。
論文 参考訳(メタデータ) (2023-06-19T18:10:47Z) - Toward Data-Driven Glare Classification and Prediction for Marine
Megafauna Survey [0.3694429692322631]
カナダ北大西洋海域の絶滅危惧種は、個体群を推定するために体系的に調査されている。
政策に影響を及ぼすため、人口の正確さが重要である。
本稿では,データ駆動型グレアモデリングシステムの基礎を築いた。
論文 参考訳(メタデータ) (2023-03-03T18:46:19Z) - An evaluation of deep learning models for predicting water depth
evolution in urban floods [59.31940764426359]
高空間分解能水深予測のための異なる深層学習モデルの比較を行った。
深層学習モデルはCADDIESセル-オートマタフラッドモデルによってシミュレーションされたデータを再現するために訓練される。
その結果,ディープラーニングモデルでは,他の手法に比べて誤差が低いことがわかった。
論文 参考訳(メタデータ) (2023-02-20T16:08:54Z) - Feature Space Exploration For Planning Initial Benthic AUV Surveys [11.497731809524536]
特別目的自律水中車両(AUV)はベントニック(海底)調査に使用される。
カメラのフットプリントが小さく、調査対象地域が広いため、これらのAUVは数万平方メートルを超える領域の完全なカバレッジ画像を収集できない。
本研究では,バスメータの特徴空間表現を効率的に探索する初期のAUVサーベイを計画する手法を提案する。
論文 参考訳(メタデータ) (2021-05-25T01:20:18Z) - Cycle and Semantic Consistent Adversarial Domain Adaptation for Reducing
Simulation-to-Real Domain Shift in LiDAR Bird's Eye View [110.83289076967895]
ドメイン適応プロセス中に関心のある小さなオブジェクトの情報を保存するために,事前の意味分類を用いたサイクガンに基づくbevドメイン適応法を提案する。
生成したBEVの品質は,KITTI 3D Object Detection Benchmarkの最先端3Dオブジェクト検出フレームワークを用いて評価されている。
論文 参考訳(メタデータ) (2021-04-22T12:47:37Z) - Modeling Shared Responses in Neuroimaging Studies through MultiView ICA [94.31804763196116]
被験者の大規模なコホートを含むグループ研究は、脳機能組織に関する一般的な結論を引き出す上で重要である。
グループ研究のための新しい多視点独立成分分析モデルを提案し、各被験者のデータを共有独立音源と雑音の線形結合としてモデル化する。
まず、fMRIデータを用いて、被験者間の共通音源の同定における感度の向上を示す。
論文 参考訳(メタデータ) (2020-06-11T17:29:53Z)
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。