論文の概要: Multimodal Noisy Segmentation based fragmented burn scars identification in Amazon Rainforest

• arxiv url: http://arxiv.org/abs/2009.04634v1
• Date: Thu, 10 Sep 2020 02:04:50 GMT
• ステータス: 処理完了
• システム内更新日: 2022-10-20 04:20:25.646261
• Title: Multimodal Noisy Segmentation based fragmented burn scars identification in Amazon Rainforest
• Title（参考訳）: アマゾン熱帯雨林におけるマルチモーダルノイズセグメンテーションによる火傷跡の同定
• Authors: Satyam Mohla, Sidharth Mohla, Anupam Guha and Biplab Banerjee
• Abstract要約: 各種災害管理・生態学研究において, 到達不能雨林における山火事による火災跡の検出が重要である。 リモートセンシングとマルチモーダルデータの可用性の最近の進歩は、このマッピング問題に対して実行可能な解決策を提供する。 AmazonNET - マルチモーダルリモートセンシング画像から燃焼パターを抽出できる畳み込みベースのネットワーク。
• 参考スコア（独自算出の注目度）: 13.506008517232534
• License: http://creativecommons.org/publicdomain/zero/1.0/
• Abstract: Detection of burn marks due to wildfires in inaccessible rain forests is important for various disaster management and ecological studies. The fragmented nature of arable landscapes and diverse cropping patterns often thwart the precise mapping of burn scars. Recent advances in remote-sensing and availability of multimodal data offer a viable solution to this mapping problem. However, the task to segment burn marks is difficult because of its indistinguishably with similar looking land patterns, severe fragmented nature of burn marks and partially labelled noisy datasets. In this work we present AmazonNET -- a convolutional based network that allows extracting of burn patters from multimodal remote sensing images. The network consists of UNet: a well-known encoder decoder type of architecture with skip connections commonly used in biomedical segmentation. The proposed framework utilises stacked RGB-NIR channels to segment burn scars from the pastures by training on a new weakly labelled noisy dataset from Amazonia. Our model illustrates superior performance by correctly identifying partially labelled burn scars and rejecting incorrectly labelled samples, demonstrating our approach as one of the first to effectively utilise deep learning based segmentation models in multimodal burn scar identification.
• Abstract（参考訳）: 熱帯雨林における森林火災による火傷跡の検出は,災害管理や生態学研究において重要である。 耕作可能な景観と多様な収穫パターンの断片化された性質は、しばしば火傷跡の正確なマッピングを妨げている。 リモートセンシングとマルチモーダルデータの可用性の最近の進歩は、このマッピング問題に対して有効な解決策を提供する。 しかし,ランドパターンの類似性,バーンマークの断片的な特徴,ノイズデータセットの部分的にラベル付けが難しいため,バーンマークをセグメント化する作業は困難である。 この作業では、マルチモーダルリモートセンシングイメージから燃焼パターを抽出できる畳み込みベースのネットワークであるAmazonNETを紹介します。 ネットワークは、よく知られたエンコーダデコーダタイプのアーキテクチャであり、生体医学的セグメンテーションでよく使われるスキップ接続を持つ。 提案フレームワークは、Amazoniaから新たに弱ラベル付きノイズデータセットをトレーニングすることで、スタックされたRGB-NIRチャネルを使用して、牧草地から燃え尽き症候群を分離する。 本モデルでは, 部分的ラベル付き火傷跡を正しく同定し, 誤ラベル付きサンプルを拒絶し, 深層学習に基づくセグメンテーションモデルをマルチモーダル火傷識別に有効活用する手法の1つとして, 優れた性能を示す。

関連論文リスト

• FLOGA: A machine learning ready dataset, a benchmark and a novel deep learning model for burnt area mapping with Sentinel-2 [41.28284355136163]
  森林火災は人間や動物の生活、生態系、社会経済の安定に重大な脅威をもたらす。 本研究では、FLOGA(Forest wiLdfire Observations for the Greek Area)と名付けた機械学習可能なデータセットを作成し、導入する。 このデータセットは、山火事の前後に取得された衛星画像からなるため、ユニークなものである。 我々はFLOGAを用いて、複数の機械学習アルゴリズムとディープラーニングアルゴリズムの徹底的な比較を行い、バーント領域の自動抽出を行う。
  論文  参考訳（メタデータ） (2023-11-06T18:42:05Z)
• Robust Burned Area Delineation through Multitask Learning [1.1470070927586018]
  森林火災はその頻度と重大さの増大のために重大な課題を提起してきた。 バイナリセグメンテーションモデルに依存する従来のアプローチは、堅牢で正確な結果を達成するのに苦労することが多い。 本稿では,土地被覆分類を補助課題として組み込んだマルチタスク学習フレームワークを提案する。
  論文  参考訳（メタデータ） (2023-09-15T12:49:17Z)
• COMICS: End-to-end Bi-grained Contrastive Learning for Multi-face Forgery Detection [56.7599217711363]
  顔偽造認識法は一度に1つの顔しか処理できない。 ほとんどの顔偽造認識法は一度に1つの顔しか処理できない。 マルチフェイスフォージェリ検出のためのエンドツーエンドフレームワークであるCOMICSを提案する。
  論文  参考訳（メタデータ） (2023-08-03T03:37:13Z)
• Rapid Deforestation and Burned Area Detection using Deep Multimodal Learning on Satellite Imagery [3.8073142980733]
  アマゾンの森林における森林破壊の推定と火災検出は、広大な面積のために大きな課題となっている。 マルチモーダル衛星画像とリモートセンシングは、アマゾン地域の森林破壊を推定し、山火事を検出するための有望なソリューションを提供する。 本研究では、畳み込みニューラルネットワーク(CNN)と包括的データ処理技術を用いて、これらの問題を解決するための新しいキュレートデータセットとディープラーニングベースのアプローチを提案する。
  論文  参考訳（メタデータ） (2023-07-10T21:49:30Z)
• Unsupervised Segmentation of Fetal Brain MRI using Deep Learning Cascaded Registration [2.494736313545503]
  従来の深層学習に基づく自動セグメンテーションは、グランドトラストラベルによる広範なトレーニングデータを必要とする。 ラベル付きデータに頼らずに複数の組織を正確にセグメンテーションするマルチアトラスセグメンテーションに基づく新しい手法を提案する。 提案手法では,3次元画像登録のためのカスケード深層学習ネットワークを用いて,移動画像への小さなインクリメンタルな変形を計算し,それを固定画像と正確に整合させる。
  論文  参考訳（メタデータ） (2023-07-07T13:17:12Z)
• Self-Supervised Correction Learning for Semi-Supervised Biomedical Image Segmentation [84.58210297703714]
  半教師付きバイオメディカルイメージセグメンテーションのための自己教師付き補正学習パラダイムを提案する。 共有エンコーダと2つの独立デコーダを含むデュアルタスクネットワークを設計する。 異なるタスクのための3つの医用画像分割データセットの実験により,本手法の優れた性能が示された。
  論文  参考訳（メタデータ） (2023-01-12T08:19:46Z)
• Mixed-UNet: Refined Class Activation Mapping for Weakly-Supervised Semantic Segmentation with Multi-scale Inference [28.409679398886304]
  我々は、デコードフェーズに2つの並列分岐を持つMixed-UNetという新しいモデルを開発する。 地域病院や公開データセットから収集したデータセットに対して,いくつかの一般的なディープラーニングに基づくセグメンテーションアプローチに対して,設計したMixed-UNetを評価した。
  論文  参考訳（メタデータ） (2022-05-06T08:37:02Z)
• Weakly-supervised fire segmentation by visualizing intermediate CNN layers [82.75113406937194]
  画像やビデオにおける火の局所化は、火災事故に対処するための自律システムにとって重要なステップである。 我々は,ネットワークのトレーニングに画像ラベルのみを使用する,画像中の火の弱い制御セグメント化について検討する。 CNNの中間層における特徴量の平均値は,2値セグメンテーション問題である火災セグメンテーションの場合,従来のクラスアクティベーションマッピング(CAM)法よりも優れていることを示す。
  論文  参考訳（メタデータ） (2021-11-16T11:56:28Z)
• Grasp-Oriented Fine-grained Cloth Segmentation without Real Supervision [66.56535902642085]
  本稿では, 深度画像のみを用いて, 変形した衣服のきめ細かい領域検出の問題に取り組む。 最大で6つの意味領域を定義し, 首の縁, スリーブカフ, ヘム, 上と下をつかむ点を含む。 これらの部品のセグメント化とラベル付けを行うために,U-net ベースのネットワークを導入する。 合成データのみを用いてネットワークをトレーニングし、提案したDAが実データでトレーニングしたモデルと競合する結果が得られることを示す。
  論文  参考訳（メタデータ） (2021-10-06T16:31:20Z)
• Triggering Failures: Out-Of-Distribution detection by learning from local adversarial attacks in Semantic Segmentation [76.2621758731288]
  セグメンテーションにおけるアウト・オブ・ディストリビューション(OOD)オブジェクトの検出に取り組む。 私たちの主な貢献は、ObsNetと呼ばれる新しいOOD検出アーキテクチャであり、ローカル・アタック(LAA)に基づく専用トレーニングスキームと関連付けられています。 3つの異なるデータセットの文献の最近の10つの手法と比較して,速度と精度の両面で最高の性能が得られることを示す。
  論文  参考訳（メタデータ） (2021-08-03T17:09:56Z)
• Image Fine-grained Inpainting [89.17316318927621]
  拡張畳み込みの密結合を利用してより大きく効果的な受容場を得る一段階モデルを提案する。 この効率的なジェネレータをよく訓練するために、頻繁に使用されるVGG特徴整合損失を除いて、新しい自己誘導回帰損失を設計する。 また、局所的・グローバルな分枝を持つ識別器を用いて、局所的・グローバルな内容の整合性を確保する。
  論文  参考訳（メタデータ） (2020-02-07T03:45:25Z)

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。