論文の概要: Cross-regional oil palm tree counting and detection via multi-level attention domain adaptation network

• arxiv url: http://arxiv.org/abs/2008.11505v1
• Date: Wed, 26 Aug 2020 12:02:44 GMT
• ステータス: 処理完了
• システム内更新日: 2022-10-24 21:48:20.564048
• Title: Cross-regional oil palm tree counting and detection via multi-level attention domain adaptation network
• Title（参考訳）: マルチレベル注意領域適応ネットワークによる石油ヤシの交叉数と検出
• Authors: Juepeng Zheng, Haohuan Fu, Weijia Li, Wenzhao Wu, Yi Zhao, Runmin Dong and Le Yu
• Abstract要約: マルチレベル注意領域適応ネットワーク (MADAN) を用いた新しい領域適応型オイルパーム木検出手法を提案する。 まず、バッチインスタンス正規化ネットワーク(BIN)ベースの特徴抽出器を採用した。 次に,マルチレベルアテンション機構(MLA)をアーキテクチャに組み込み,トランスファビリティを向上させる。 第3に,スライディングウインドウに基づく予測とIOUに基づく後処理手法を用いて最終検出結果を得た。
• 参考スコア（独自算出の注目度）: 14.75977184630115
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Providing an accurate evaluation of palm tree plantation in a large region can bring meaningful impacts in both economic and ecological aspects. However, the enormous spatial scale and the variety of geological features across regions has made it a grand challenge with limited solutions based on manual human monitoring efforts. Although deep learning based algorithms have demonstrated potential in forming an automated approach in recent years, the labelling efforts needed for covering different features in different regions largely constrain its effectiveness in large-scale problems. In this paper, we propose a novel domain adaptive oil palm tree detection method, i.e., a Multi-level Attention Domain Adaptation Network (MADAN) to reap cross-regional oil palm tree counting and detection. MADAN consists of 4 procedures: First, we adopted a batch-instance normalization network (BIN) based feature extractor for improving the generalization ability of the model, integrating batch normalization and instance normalization. Second, we embedded a multi-level attention mechanism (MLA) into our architecture for enhancing the transferability, including a feature level attention and an entropy level attention. Then we designed a minimum entropy regularization (MER) to increase the confidence of the classifier predictions through assigning the entropy level attention value to the entropy penalty. Finally, we employed a sliding window-based prediction and an IOU based post-processing approach to attain the final detection results. We conducted comprehensive ablation experiments using three different satellite images of large-scale oil palm plantation area with six transfer tasks. MADAN improves the detection accuracy by 14.98% in terms of average F1-score compared with the Baseline method (without DA), and performs 3.55%-14.49% better than existing domain adaptation methods.
• Abstract（参考訳）: 広い地域でヤシの植林の正確な評価を行うことは、経済と生態の両方に有意義な影響を与える可能性がある。 しかし、この巨大空間スケールと地域ごとの地質学的特徴は、手動による人的監視に基づく限定的な解決法において大きな課題となっている。 近年、ディープラーニングベースのアルゴリズムは、自動化アプローチを形成する可能性を示しているが、異なる領域で異なる特徴をカバーするのに必要なラベル付け作業は、大規模問題におけるその効果に大きく依存している。 本稿では,マルチレベルアテンション領域適応ネットワーク(MADAN)を用いて,地域横断のオイルパームを数える新しい領域適応型オイルパーム木検出手法を提案する。 まず、バッチインスタンス正規化ネットワーク(BIN)ベースの特徴抽出器を用いて、モデルの一般化能力を向上し、バッチ正規化とインスタンス正規化を統合した。 第2に,マルチレベルアテンション機構(MLA)をアーキテクチャに組み込んで,機能レベルのアテンションとエントロピーレベルのアテンションを含むトランスファービリティを向上させる。 次に,エントロピーレベルの注意値をエントロピーペナルティに割り当てることで,分類器予測の信頼性を高めるための最小エントロピー正規化(mer)を考案した。 最後に,スライディングウィンドウに基づく予測とiouに基づく後処理手法を用いて最終検出結果を得た。 大規模ヤシ植林地域の3つの異なる衛星画像を用いて,6つの移動作業による包括的アブレーション実験を行った。 madanは検出精度をベースライン法(daなし)と比較して平均f1スコアで14.98%向上させ、既存のドメイン適応法よりも3.55%-14.49%向上した。

関連論文リスト

• A Satellite Band Selection Framework for Amazon Forest Deforestation Detection Task [0.5825410941577593]
  森林伐採と伐採は年間数百万ヘクタールに影響を及ぼし、効果的な森林モニタリングのために政府や民間のイニシアチブを必要としている。 本研究では,Univariate Marginal Distribution Algorithm (UMDA) を用いてLandsat-8衛星からスペクトル帯域を選択する手法を提案する。 この選択はセマンティックセグメンテーションアーキテクチャであるDeepLabv3+をガイドし、パフォーマンスを向上させる。
  論文  参考訳（メタデータ） (2024-04-03T11:47:20Z)
• Cross Domain Early Crop Mapping using CropSTGAN [12.271756709807898]
  本稿では,Crop Mapping Spectral-temporal Generative Adrial Neural Network (CropSTGAN)を紹介する。 CropSTGANは、ターゲットドメインのスペクトル特徴をソースドメインのスペクトル特徴に変換することを学習し、実質的に大きな相似性をブリッジする。 実験では、CropSTGANは様々な最先端(SOTA)メソッドに対してベンチマークされる。
  論文  参考訳（メタデータ） (2024-01-15T00:27:41Z)
• Two-Stage Adaptive Network for Semi-Supervised Cross-Domain Crater Detection under Varying Scenario Distributions [17.28368878719324]
  クロスクレーター検出のための2段階適応ネットワーク(TAN)を提案する。 我々のネットワークはYOLOv5検出器上に構築されており、そこではクロスドメインの一般化能力を高めるために一連の戦略が採用されている。 ベンチマークデータセットによる実験結果から,提案するネットワークは,様々なシナリオ分布下でのクレーター検出の領域適応性を向上できることが示された。
  論文  参考訳（メタデータ） (2023-12-11T07:16:49Z)
• Towards Generalizable Deepfake Detection by Primary Region Regularization [52.41801719896089]
  本稿では,新しい正規化の観点から一般化能力を高める。 本手法は, 一次領域マップの静的な位置決めと, 一次領域マスクの動的利用の2段階からなる。 5つのバックボーンを持つDFDC,DF-1.0,Celeb-DFの3種類のディープフェイクデータセットについて広範な実験を行った。
  論文  参考訳（メタデータ） (2023-07-24T05:43:34Z)
• Multi-Prompt Alignment for Multi-Source Unsupervised Domain Adaptation [86.02485817444216]
  マルチプロンプトアライメント(MPA: Multi-Prompt Alignment)は,マルチソースUDAのためのシンプルかつ効率的なフレームワークである。 MPAは、学習したプロンプトを自動エンコードプロセスで認知し、再構築されたプロンプトの合意を最大化することでそれらを調整する。 実験によると、MPAは3つの一般的なデータセットで最先端の結果を達成し、DomainNetの平均精度は54.1%である。
  論文  参考訳（メタデータ） (2022-09-30T03:40:10Z)
• 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)
• Improving Transferability of Domain Adaptation Networks Through Domain Alignment Layers [1.3766148734487902]
  マルチソースアン教師付きドメイン適応(MSDA)は、ソースモデルの袋から弱い知識を割り当てることで、ラベルのないドメインの予測子を学習することを目的としている。 我々は,DomaIn Alignment Layers (MS-DIAL) のマルチソースバージョンを予測器の異なるレベルに埋め込むことを提案する。 我々の手法は最先端のMSDA法を改善することができ、分類精度の相対利得は+30.64%に達する。
  論文  参考訳（メタデータ） (2021-09-06T18:41:19Z)
• Regressive Domain Adaptation for Unsupervised Keypoint Detection [67.2950306888855]
  ドメイン適応(DA)は、ラベル付きソースドメインからラベル付きターゲットドメインに知識を転送することを目的とする。 本稿では,教師なしキーポイント検出のためのレグレッシブドメイン適応(RegDA)法を提案する。 提案手法は,異なるデータセット上のPCKにおいて,8%から11%の大幅な改善をもたらす。
  論文  参考訳（メタデータ） (2021-03-10T16:45:22Z)
• Domain Conditioned Adaptation Network [90.63261870610211]
  本稿では,ドメイン条件付きチャネルアテンション機構を用いて,異なる畳み込みチャネルを励起するドメイン条件適応ネットワーク(DCAN)を提案する。 これは、ディープDAネットワークのドメインワイドな畳み込みチャネルアクティベーションを探求する最初の試みである。
  論文  参考訳（メタデータ） (2020-05-14T04:23:24Z)
• Cross-domain Object Detection through Coarse-to-Fine Feature Adaptation [62.29076080124199]
  本稿では,クロスドメインオブジェクト検出のための特徴適応手法を提案する。 粗粒度では、アテンション機構を採用して前景領域を抽出し、その辺縁分布に応じて整列する。 粒度の細かい段階では、同じカテゴリのグローバルプロトタイプと異なるドメインとの距離を最小化することにより、前景の条件分布アライメントを行う。
  論文  参考訳（メタデータ） (2020-03-23T13:40:06Z)

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。