論文の概要: Machine Learning for Semi-Automated Meteorite Recovery

• arxiv url: http://arxiv.org/abs/2009.13852v1
• Date: Tue, 29 Sep 2020 08:27:41 GMT
• ステータス: 処理完了
• システム内更新日: 2022-10-13 06:11:44.496361
• Title: Machine Learning for Semi-Automated Meteorite Recovery
• Title（参考訳）: 半自動隕石回収のための機械学習
• Authors: Seamus Anderson, Martin Towner, Phil Bland, Christopher Haikings, William Volante, Eleanor Sansom, Hadrien Devillepoix, Patrick Shober, Benjamin Hartig, Martin Cupak, Trent Jansen-Sturgeon, Robert Howie, Gretchen Benedix, Geoff Deacon
• Abstract要約: 本稿では,ドローンと機械学習アルゴリズムを用いて,火球ネットワークによって観測・制約された隕石の落下を回収する新しい手法を提案する。 このアプローチでは、特定の落下地点の局所的な地形の画像を使用して、隕石候補を検出するように設計された人工ニューラルネットワークをトレーニングする。 我々は, 隕石検出率を75～97%と評価し, また, 偽陽性を除去するための効率的なメカニズムについて検討した。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We present a novel methodology for recovering meteorite falls observed and constrained by fireball networks, using drones and machine learning algorithms. This approach uses images of the local terrain for a given fall site to train an artificial neural network, designed to detect meteorite candidates. We have field tested our methodology to show a meteorite detection rate between 75-97%, while also providing an efficient mechanism to eliminate false-positives. Our tests at a number of locations within Western Australia also showcase the ability for this training scheme to generalize a model to learn localized terrain features. Our model-training approach was also able to correctly identify 3 meteorites in their native fall sites, that were found using traditional searching techniques. Our methodology will be used to recover meteorite falls in a wide range of locations within globe-spanning fireball networks.
• Abstract（参考訳）: 本稿では,火球網によって観測・拘束された隕石の落下を,ドローンと機械学習アルゴリズムを用いて回収する新しい手法を提案する。 このアプローチでは、特定の落下地点の局所地形の画像を使用して、隕石候補を検出するために設計されたニューラルネットワークをトレーニングする。 我々は, 隕石検出率を75～97%, かつ, 偽陽性を除去するための効率的なメカニズムを実証するために, フィールド試験を行った。 オーストラリア西部の多くの場所でのテストでは、このトレーニングスキームが局所的な地形の特徴を学習するためのモデルを一般化する能力も示しています。 また, モデル学習手法により, 従来の探索手法を用いて, 3つの隕石を同定することができた。 我々の手法は、地球規模にわたる火球ネットワーク内の幅広い場所で隕石の落下を回収するために使用される。

関連論文リスト

• Observation-Guided Meteorological Field Downscaling at Station Scale: A Benchmark and a New Method [66.80344502790231]
  気象学的ダウンスケーリングを任意の散乱ステーションスケールに拡張し、新しいベンチマークとデータセットを確立する。 データ同化技術にインスパイアされた我々は、観測データをダウンスケーリングプロセスに統合し、マルチスケールの観測先行情報を提供する。 提案手法は、複数の曲面変数上で、他の特別に設計されたベースラインモデルよりも優れている。
  論文  参考訳（メタデータ） (2024-01-22T14:02:56Z)
• Deep machine learning for meteor monitoring: advances with transfer learning and gradient-weighted class activation mapping [0.0]
  我々は、畳み込みニューラルネットワーク(CNN)を用いて、気象検出を分類する完全自動パイプラインを開発した。 我々の新しい手法は、雲や月、建物などの静的要素を含む画像でも隕石を検出することができる。 スペイン気象局(SPMN)が収集した大規模なデータセットを用いて、我々のモデルをトレーニングし、評価し、精度は98%に達した。
  論文  参考訳（メタデータ） (2023-10-25T17:56:28Z)
• AI-Enhanced Data Processing and Discovery Crowd Sourcing for Meteor Shower Mapping [0.32622301272834514]
  The Cameras for Allsky Meteor Surveillance(CAMS)プロジェクトは、低照度ビデオカメラで検出された流星軌道を三角測量することで、流星群をマッピングすることを目的としています。 我々の研究は、自動クラウドベースのAI対応パイプラインを実装することで、データ処理の合理化を目的としていた。 現在までに、CAMSは200以上の新しい流星群を発見し、これまでに報告された数十の流星群を検証している。
  論文  参考訳（メタデータ） (2023-08-02T18:26:16Z)
• A Machine Learning Tutorial for Operational Meteorology, Part II: Neural Networks and Deep Learning [0.0]
  本稿では,操作的気象学的コミュニティを対象とした,平易な言語形式の機械学習手法について論じる。 これは、気象学者のための機械学習リソースとして機能することを目的とした2つ目の論文である。 具体的には、パーセプトロン、人工ニューラルネットワーク、畳み込みニューラルネットワーク、U-networksについて述べる。
  論文  参考訳（メタデータ） (2022-10-31T21:10:48Z)
• Delving into Sequential Patches for Deepfake Detection [64.19468088546743]
  近年の顔偽造技術は、ほとんど追跡不可能なディープフェイクビデオを生み出しており、悪意のある意図で活用することができる。 従来の研究では、ディープフェイク法にまたがる一般化を追求する上で、局所的な低レベルな手がかりと時間的情報の重要性が指摘されてきた。 本稿では,局所的・時間的変換をベースとしたDeepfake Detectionフレームワークを提案する。
  論文  参考訳（メタデータ） (2022-07-06T16:46:30Z)
• Neural Scene Representation for Locomotion on Structured Terrain [56.48607865960868]
  本研究では,都市環境を横断する移動ロボットの局所的な地形を再構築する学習手法を提案する。 搭載されたカメラとロボットの軌道からの深度測定のストリームを用いて、ロボットの近傍の地形を推定する。 ノイズ測定とカメラ配置の盲点からの大量の欠落データにもかかわらず,シーンを忠実に再構築する3次元再構成モデルを提案する。
  論文  参考訳（メタデータ） (2022-06-16T10:45:17Z)
• Successful Recovery of an Observed Meteorite Fall Using Drones and Machine Learning [0.0]
  ドローンと機械学習アルゴリズムを用いて,新しい隕石の落下を初めて回収したことを報告した。 2021年4月1日、砂漠の火球ネットワークによって西オーストラリアで火球が観測された。 捜索隊が現場に到着し、4日間にわたって5.1km2の地域を調査した。 畳み込みニューラルネットワークは、これまで回収された隕石を核融合地殻で訓練し、各飛行後にフィールドコンピュータで画像を処理しました。 計算された落下線から50m以内に70gの隕石が回収され、この方法の有効性が証明された。
  論文  参考訳（メタデータ） (2022-03-03T00:33:55Z)
• Crack detection using tap-testing and machine learning techniques to prevent potential rockfall incidents [68.8204255655161]
  本稿では,岩盤の自動探傷システムを提案する。 ロボットは、岩面を何度も打ったり、タップしたりするのに使用される。 音はロボットによって収集され、壊れやすい岩を識別する意図で分類される。
  論文  参考訳（メタデータ） (2021-10-10T22:53:36Z)
• Recovery of Meteorites Using an Autonomous Drone and Machine Learning [3.3563930847025025]
  現場でドローンが撮影した画像から隕石を認識するために、さまざまな畳み込みニューラルネットワークの組み合わせをオフラインで展開する概念的隕石分類器について説明する。 このシステムは概念的なドローンで実装され、ネバダ州ウォーカー湖近くで最近落下した隕石の被疑地でテストされた。
  論文  参考訳（メタデータ） (2021-06-11T17:36:33Z)
• Scalable Backdoor Detection in Neural Networks [61.39635364047679]
  ディープラーニングモデルは、トロイの木馬攻撃に対して脆弱で、攻撃者はトレーニング中にバックドアをインストールして、結果のモデルが小さなトリガーパッチで汚染されたサンプルを誤識別させる。 本稿では,ラベル数と計算複雑性が一致しない新たなトリガリバースエンジニアリング手法を提案する。 実験では,提案手法が純モデルからトロイの木馬モデルを分離する際の完全なスコアを達成できることが観察された。
  論文  参考訳（メタデータ） (2020-06-10T04:12:53Z)
• Cooling-Shrinking Attack: Blinding the Tracker with Imperceptible Noises [87.53808756910452]
  The method is proposed to deceive-of-the-the-art SiameseRPN-based tracker。 本手法は転送性に優れ,DaSiamRPN,DaSiamRPN-UpdateNet,DiMPなどの他のトップパフォーマンストラッカーを騙すことができる。
  論文  参考訳（メタデータ） (2020-03-21T07:13:40Z)

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。