論文の概要: Identification of Tree Species in Japanese Forests based on Aerial
Photography and Deep Learning
- arxiv url: http://arxiv.org/abs/2007.08907v1
- Date: Fri, 17 Jul 2020 11:26:38 GMT
- ステータス: 処理完了
- システム内更新日: 2022-11-09 13:40:29.339909
- Title: Identification of Tree Species in Japanese Forests based on Aerial
Photography and Deep Learning
- Title（参考訳）: 航空写真と深層学習に基づく日本の森林における樹木種の同定
- Authors: Sarah Kentsch, Savvas Karatsiolis, Andreas Kamilaris, Luca Tomhave and
Maximo Larry Lopez Caceres
- Abstract要約: 本研究では,UAV画像と深層学習を用いて,日本の混交林の樹木種を分類することを目的とした。
62.6%のTrue Positives (TP) と98.1%のTrue Negatives (TN) を持つ黒葉樹を同定することが可能である。
- 参考スコア（独自算出の注目度）: 1.8899300124593648
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Natural forests are complex ecosystems whose tree species distribution and
their ecosystem functions are still not well understood. Sustainable management
of these forests is of high importance because of their significant role in
climate regulation, biodiversity, soil erosion and disaster prevention among
many other ecosystem services they provide. In Japan particularly, natural
forests are mainly located in steep mountains, hence the use of aerial imagery
in combination with computer vision are important modern tools that can be
applied to forest research. Thus, this study constitutes a preliminary research
in this field, aiming at classifying tree species in Japanese mixed forests
using UAV images and deep learning in two different mixed forest types: a black
pine (Pinus thunbergii)-black locust (Robinia pseudoacacia) and a larch (Larix
kaempferi)-oak (Quercus mongolica) mixed forest. Our results indicate that it
is possible to identify black locust trees with 62.6 % True Positives (TP) and
98.1% True Negatives (TN), while lower precision was reached for larch trees
(37.4% TP and 97.7% TN).
- Abstract（参考訳）: 自然林は複雑な生態系であり、樹種分布とその生態系機能はまだよく分かっていない。
これらの森林の持続可能な管理は、気候規制、生物多様性、土壌浸食、その他の多くの生態系サービスにおいて重要な役割を担っているため、非常に重要である。
特に日本では、自然林は主に急な山間部にあり、コンピュータビジョンと組み合わされた空中画像の利用は、森林研究に応用できる重要な近代的道具である。
そこで本研究では,UAV画像を用いた日本の混交林における樹木種の分類と,黒松(Pinus thunbergii)-黒葉樹(Robinia pseudoacacia)とラッカ(Larix kaempferi)-オーク(Quercus mongolica)混交林(Quercus mongolica)の2種類の混交林の深層学習を目的とした予備的研究を行った。
以上の結果から,62.6 %true positive (tp) と98.1% true negatives (tn) の黒ロカスト木を同定できたが,larch tree (37.4% tp と 97.7% tn) の精度は低かった。
関連論文リスト
- Deep Learning tools to support deforestation monitoring in the Ivory Coast using SAR and Optical satellite imagery [0.0]
衛星は森林の消失を認識し、関心領域の拡大を防ぐために使用できる。
フォレスト・ノン・フォレスト・マップ (FNF) はセンチネル画像入力モデルの基礎的真理として用いられている。
森林と非森林を分類するモデルは、森林破壊の起こりうる場所を予測するためにオープンデータセットを使用して、この地域の森林と非森林のピクセルを分類する。
論文 参考訳（メタデータ） (2024-09-16T14:26:41Z) - Why do Random Forests Work? Understanding Tree Ensembles as
Self-Regularizing Adaptive Smoothers [68.76846801719095]
統計学で広く普及している偏りと分散還元に対する現在の高次二分法は、木のアンサンブルを理解するには不十分である、と我々は主張する。
森林は、通常暗黙的に絡み合っている3つの異なるメカニズムによって、樹木を改良できることを示す。
論文 参考訳（メタデータ） (2024-02-02T15:36:43Z) - 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) - Neuroevolution-based Classifiers for Deforestation Detection in Tropical
Forests [62.997667081978825]
森林破壊や荒廃により、毎年何百万ヘクタールもの熱帯林が失われる。
監視・森林破壊検知プログラムは、犯罪者の予防・処罰のための公共政策に加えて、使用されている。
本稿では,熱帯林の森林破壊検出作業におけるニューロ進化技術(NEAT)に基づくパターン分類器の利用を提案する。
論文 参考訳（メタデータ） (2022-08-23T16:04:12Z) - Detection of Degraded Acacia tree species using deep neural networks on
uav drone imagery [2.3837581572935505]
無人航空機(UAV)とRGBカメラが組み込まれ、転倒したアカシア・サントホフロアの木を捕獲した。
深いニューラルネットワークは倒木検出に使われた。
Retina-Netモデルは38.9%の精度と57.9%のリコールを達成した。
論文 参考訳（メタデータ） (2022-04-14T16:37:26Z) - A hybrid convolutional neural network/active contour approach to
segmenting dead trees in aerial imagery [0.5276232626689566]
枯木は森林全体の健康の指標であり、森林生態系の3分の1の生物多様性を収容し、世界の炭素在庫の8%を構成している。
本稿では,既存の畳み込みニューラルネットワークと新しいアクティブな輪郭モデルを組み合わせたエネルギー最小化フレームワークを用いて,空中写真から死んだ木の正確な形状輪郭を構築する手法を提案する。
論文 参考訳（メタデータ） (2021-12-06T00:53:51Z) - Country-wide Retrieval of Forest Structure From Optical and SAR
Satellite Imagery With Bayesian Deep Learning [74.94436509364554]
本研究では,10mの解像度で森林構造変数を高密度に推定するベイズ深層学習手法を提案する。
本手法は,Sentinel-2光画像とSentinel-1合成開口レーダ画像を5種類の森林構造変数のマップに変換する。
ノルウェーを横断する41の空中レーザー走査ミッションの基準データに基づいて、我々のモデルを訓練し、テストする。
論文 参考訳（メタデータ） (2021-11-25T16:21:28Z) - From Static to Dynamic Prediction: Wildfire Risk Assessment Based on
Multiple Environmental Factors [69.9674326582747]
ワイルドファイアはアメリカ合衆国西海岸で頻繁に起こる最大の災害の1つである。
カリフォルニアの山火事リスクが高い地域を解析・評価するための静的・動的予測モデルを提案します。
論文 参考訳（メタデータ） (2021-03-14T17:56:17Z) - One-Shot Learning with Triplet Loss for Vegetation Classification Tasks [45.82374977939355]
三重項損失関数は、ワンショット学習タスクの精度を大幅に向上できる選択肢の1つである。
2015年からは、多くのプロジェクトがシームズネットワークとこの種の損失を顔認識とオブジェクト分類に利用している。
論文 参考訳（メタデータ） (2020-12-14T10:44:22Z) - A global method to identify trees outside of closed-canopy forests with
medium-resolution satellite imagery [0.0]
密集した閉鎖性林の外の伐採された木は、炭素の隔離、生活支援、生態系の整合性維持、気候変動の適応と緩和に重要である。
クローズド・キャノピー林内の樹木とは対照的に,世界規模で散在する樹木の空間的広さと分布についてはあまり分かっていない。
中高分解能光・レーダ画像を用いて,3メートル以上の天蓋径の樹木を同定する一貫した手法を提案する。
論文 参考訳（メタデータ） (2020-05-13T15:58:01Z)
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。