Fugu-MT 論文翻訳(概要): Comprehensive Semantic Segmentation on High Resolution UAV Imagery for Natural Disaster Damage Assessment

論文の概要: Comprehensive Semantic Segmentation on High Resolution UAV Imagery for Natural Disaster Damage Assessment

arxiv url: http://arxiv.org/abs/2009.01193v2
Date: Sun, 6 Sep 2020 22:03:20 GMT
ステータス: 処理完了
システム内更新日: 2022-10-22 19:27:43.007252
Title: Comprehensive Semantic Segmentation on High Resolution UAV Imagery for Natural Disaster Damage Assessment
Title（参考訳）: 自然災害評価のための高分解能UAV画像の総合的セマンティックセグメンテーション
Authors: Maryam Rahnemoonfar, Tashnim Chowdhury, Robin Murphy, Odair Fernandes
Abstract要約: 災害シナリオにおける視覚知覚のための大規模ハリケーン・マイケルデータセットを提案する。セマンティックセグメンテーションのための最先端のディープニューラルネットワークモデルを分析する。
参考スコア（独自算出の注目度）: 0.26249027950824505
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: In this paper, we present a large-scale hurricane Michael dataset for visual perception in disaster scenarios, and analyze state-of-the-art deep neural network models for semantic segmentation. The dataset consists of around 2000 high-resolution aerial images, with annotated ground-truth data for semantic segmentation. We discuss the challenges of the dataset and train the state-of-the-art methods on this dataset to evaluate how well these methods can recognize the disaster situations. Finally, we discuss challenges for future research.
Abstract（参考訳）: 本稿では,災害シナリオにおける視覚的知覚のための大規模ハリケーン・マイケルデータセットと,セマンティックセグメンテーションのための最先端深層ニューラルネットワークモデルについて述べる。データセットは約2000の高解像度空中画像からなり、セマンティックセグメンテーションのための注釈付き地対地データを含んでいる。データセットの課題を議論し、このデータセットの最先端のメソッドを訓練し、これらの手法が災害状況をどのように認識できるかを評価する。最後に,今後の研究課題について論じる。

関連論文リスト

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)
AB2CD: AI for Building Climate Damage Classification and Detection [0.0]
本研究では, 自然災害の文脈において, 建物の損傷評価を正確に行うための深層学習手法の実装について検討する。我々は,低品質・騒音ラベルの影響を考慮しつつ,新たな災害・地域への一般化の課題に取り組む。我々の研究結果は、気候変動によって引き起こされる極端気象事象の影響評価を強化するための高度なAIソリューションの可能性と限界を示している。
論文参考訳（メタデータ） (2023-09-03T03:37:04Z)
A Multi-purpose Real Haze Benchmark with Quantifiable Haze Levels and Ground Truth [61.90504318229845]
本稿では,ハズフリー画像とその場でのハズ密度測定を併用した,最初の実画像ベンチマークデータセットを提案する。このデータセットはコントロールされた環境で生成され、プロの煙発生装置がシーン全体を覆っている。このデータセットのサブセットは、CVPR UG2 2022 チャレンジの Haze Track における Object Detection に使用されている。
論文参考訳（メタデータ） (2022-06-13T19:14:06Z)
Delving into High-Quality Synthetic Face Occlusion Segmentation Datasets [83.749895930242]
そこで本研究では,高品質な自然主義的合成隠蔽顔を製造するための2つの手法を提案する。両手法の有効性とロバスト性を実証的に示す。我々は,RealOccとRealOcc-Wildという,微細なアノテーションを付加した高精細な実世界の顔データセットを2つ提示する。
論文参考訳（メタデータ） (2022-05-12T17:03:57Z)
RescueNet: A High Resolution UAV Semantic Segmentation Benchmark Dataset for Natural Disaster Damage Assessment [0.0]
RescueNetはハリケーン・マイケルの後に収集された災害後の画像を含んでいる。 RescueNetは、建物、道路、プール、木など、すべてのクラスに対してピクセルレベルのアノテーションを提供する。本研究では,RescueNet上での最先端セグメンテーションモデルを実装することにより,データセットの有用性を評価する。
論文参考訳（メタデータ） (2022-02-24T20:56:29Z)
Semi-Supervised Classification and Segmentation on High Resolution Aerial Images [0.0]
FloodNetは、小さなUAVプラットフォームであるDJI Mavic ProクワッドコプターによってHurricane Harveyにちなんで取得された高解像度の画像データセットである。このデータセットは、災害後のシナリオに対する損傷評価プロセスを進めるというユニークな課題を示しています。分類とセマンティックセグメンテーションの課題に対処するソリューションを提案します。
論文参考訳（メタデータ） (2021-05-16T09:30:03Z)
Salient Objects in Clutter [130.63976772770368]
本稿では,既存の正当性オブジェクト検出(SOD)データセットの重大な設計バイアスを特定し,対処する。この設計バイアスは、既存のデータセットで評価した場合、最先端のSODモデルのパフォーマンスの飽和につながった。我々は,新しい高品質データセットを提案し,前回のsaliencyベンチマークを更新する。
論文参考訳（メタデータ） (2021-05-07T03:49:26Z)
FloodNet: A High Resolution Aerial Imagery Dataset for Post Flood Scene Understanding [0.9786690381850354]
FloodNetはハリケーン・ハーヴェイの後に撮影された高解像度UAV画像である。このデータセットは、被災地域の浸水被害を示している。深層学習アルゴリズムの進歩により、災害の影響を分析し、影響を受ける地域を正確に理解することができる。
論文参考訳（メタデータ） (2020-12-05T05:15:36Z)
Learning from Multimodal and Multitemporal Earth Observation Data for Building Damage Mapping [17.324397643429638]
我々は、損傷マッピングを構築するためのグローバルなマルチセンサとマルチテンポラルデータセットを開発した。グローバルデータセットには、高解像度の光学画像と高解像度のマルチバンドSARデータが含まれている。我々は、深層畳み込みニューラルネットワークアルゴリズムに基づいて、損傷建物の意味的セグメンテーションのための損傷マッピングフレームワークを定義した。
論文参考訳（メタデータ） (2020-09-14T05:04:19Z)
RescueNet: Joint Building Segmentation and Damage Assessment from Satellite Imagery [83.49145695899388]
RescueNetは、建物を同時に分割し、個々の建物に対する損傷レベルを評価し、エンドツーエンドでトレーニングできる統一モデルである。 RescueNetは大規模で多様なxBDデータセットでテストされており、従来の手法よりもはるかに優れたセグメンテーションと損傷分類性能を実現している。
論文参考訳（メタデータ） (2020-04-15T19:52:09Z)
Deep Semantic Matching with Foreground Detection and Cycle-Consistency [103.22976097225457]
深層ネットワークに基づく弱い教師付きセマンティックマッチングに対処する。本研究では,背景乱れの影響を抑えるために,前景領域を明示的に推定する。複数の画像にまたがって予測変換を強制し、幾何的に可視かつ一貫したサイクル一貫性の損失を発生させる。
論文参考訳（メタデータ） (2020-03-31T22:38:09Z)

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。