論文の概要: A New Mask R-CNN Based Method for Improved Landslide Detection
- arxiv url: http://arxiv.org/abs/2010.01499v1
- Date: Sun, 4 Oct 2020 07:46:37 GMT
- ステータス: 処理完了
- システム内更新日: 2022-10-11 03:25:26.609313
- Title: A New Mask R-CNN Based Method for Improved Landslide Detection
- Title（参考訳）: 新しいマスクR-CNNによる地すべり検出法
- Authors: Silvia Liberata Ullo, Amrita Mohan, Alessandro Sebastianelli, Shaik
Ejaz Ahamed, Basant Kumar, Ramji Dwivedi, G. R. Sinha
- Abstract要約: 本稿では,Mask R-CNN機能を利用した地すべり検出手法を提案する。
地すべり及び非地すべり画像を含む160個の要素からなるデータセットを作成する。
提案アルゴリズムは丘陵地帯の土地利用計画立案者や政策立案者にとって潜在的に有用である。
- 参考スコア（独自算出の注目度）: 54.7905160534631
- License: http://creativecommons.org/publicdomain/zero/1.0/
- Abstract: This paper presents a novel method of landslide detection by exploiting the
Mask R-CNN capability of identifying an object layout by using a pixel-based
segmentation, along with transfer learning used to train the proposed model. A
data set of 160 elements is created containing landslide and non-landslide
images. The proposed method consists of three steps: (i) augmenting training
image samples to increase the volume of the training data, (ii) fine tuning
with limited image samples, and (iii) performance evaluation of the algorithm
in terms of precision, recall and F1 measure, on the considered landslide
images, by adopting ResNet-50 and 101 as backbone models. The experimental
results are quite encouraging as the proposed method achieves Precision equals
to 1.00, Recall 0.93 and F1 measure 0.97, when ResNet-101 is used as backbone
model, and with a low number of landslide photographs used as training samples.
The proposed algorithm can be potentially useful for land use planners and
policy makers of hilly areas where intermittent slope deformations necessitate
landslide detection as prerequisite before planning.
- Abstract（参考訳）: 本稿では,画素単位のセグメンテーションを用いて物体配置を識別するマスクr-cnn能力と,提案モデルの学習に用いるトランスファー学習を活用し,地すべり検出手法を提案する。
地すべり及び非地すべり画像を含む160個の要素からなるデータセットを作成する。
提案手法は以下の3ステップからなる。
(i)トレーニングデータの量を増やすためにトレーニング画像のサンプルを増強すること。
(ii)限られた画像サンプルによる微調整、
3)ResNet-50,101をバックボーンモデルとして,地すべり画像に基づく精度,リコール,F1測定のアルゴリズムの性能評価を行った。
実験結果は,ResNet-101をバックボーンモデルとして用いる場合の精度が1.00,Recall 0.93,F1の測定値0.97,トレーニングサンプルとして使用する地すべり写真が少ないため,高い精度が得られた。
提案アルゴリズムは,間欠的な斜面変形が地すべり検出を計画に必要とする丘陵地域の土地利用計画立案者や政策立案者にとって潜在的に有用である。
関連論文リスト
- GLIMPSE: Generalized Local Imaging with MLPs [10.657105348034753]
深層学習は、断層撮影における芸術の事実上の状態である。
一般的なアプローチは、単純な反転の結果を畳み込みニューラルネットワーク(CNN)に供給し、再構成を計算することである。
計算トモグラフィーのための局所処理ニューラルネットワークであるGLIMPSEを導入し,画素近傍の計測値のみを供給することによって画素値を再構成する。
論文 参考訳（メタデータ） (2024-01-01T17:15:42Z) - Leveraging Neural Radiance Fields for Uncertainty-Aware Visual
Localization [56.95046107046027]
我々は,Neural Radiance Fields (NeRF) を用いてシーン座標回帰のためのトレーニングサンプルを生成することを提案する。
レンダリングにおけるNeRFの効率にもかかわらず、レンダリングされたデータの多くはアーティファクトによって汚染されるか、最小限の情報ゲインしか含まない。
論文 参考訳（メタデータ） (2023-10-10T20:11:13Z) - Randomize to Generalize: Domain Randomization for Runway FOD Detection [1.4249472316161877]
細い物体検出は、小型化、低解像度化、オクルージョン化、背景クラッタ、照明条件、被写体対画像比の小さいため困難である。
本稿では,SRIA(Synthetic Image Augmentation)の新たな2段階手法を提案する。
検出精度は初期41%からOODテストセットの92%に改善した。
論文 参考訳（メタデータ） (2023-09-23T05:02:31Z) - Semi-Supervised Domain Adaptation for Semantic Segmentation of Roads
from Satellite Images [1.1470070927586016]
本稿では,衛星画像から道路を抽出する半教師付きセグメンテーション手法の予備的知見について述べる。
擬似ラベルと最小クラス融合に基づく半教師付きフィールド適応法が提案されている。
論文 参考訳（メタデータ） (2022-12-26T10:50:40Z) - EBM Life Cycle: MCMC Strategies for Synthesis, Defense, and Density
Modeling [116.10821733517976]
本研究は, MCMCサンプリング軌道の所望の長さに応じて, エネルギーベースモデル(EBM)を学習するための戦略を提案する。
1)画像生成のためのショートランサンプリング,2)原則に依存しない対角防御のためのミッドランサンプリング,3)画像確率密度の未変更モデリングのためのロングランサンプリング,である。
論文 参考訳（メタデータ） (2022-05-24T17:52:29Z) - Enhancement of Novel View Synthesis Using Omnidirectional Image
Completion [61.78187618370681]
ニューラルレイディアンス場(NeRF)に基づく1枚の360度RGB-D画像から新しいビューを合成する方法を提案する。
実験により,提案手法は実世界と実世界の両方でシーンの特徴を保ちながら,可塑性な新規なビューを合成できることが実証された。
論文 参考訳（メタデータ） (2022-03-18T13:49:25Z) - Deep Domain Adversarial Adaptation for Photon-efficient Imaging Based on
Spatiotemporal Inception Network [11.58898808789911]
単光子LiDARでは、光子効率の撮像がシーンの3D構造を1ピクセル当たりの信号でキャプチャする。
このタスクの既存のディープラーニングモデルは、シミュレーションデータセットに基づいてトレーニングされている。
本研究では,空間的・時間的情報を完全に活用して,スパース・ハイノイズ光子計数ヒストグラムから奥行きを正確に予測できる光子効率イメージングのためのネットワーク(STIN)を提案する。
論文 参考訳（メタデータ） (2022-01-07T14:51:48Z) - 3D Human Texture Estimation from a Single Image with Transformers [106.6320286821364]
単一画像からの3次元人間のテクスチャ推定のためのトランスフォーマーベースのフレームワークを提案する。
また,RGBモデルとテクスチャフローモデルを組み合わせたマスク融合方式を提案する。
論文 参考訳（メタデータ） (2021-09-06T16:00:20Z) - CutPaste: Self-Supervised Learning for Anomaly Detection and
Localization [59.719925639875036]
通常のトレーニングデータのみを用いて異常検知器を構築するためのフレームワークを提案する。
まず、自己教師付き深層表現を学習し、学習した表現の上に生成的1クラス分類器を構築する。
MVTec異常検出データセットに関する実証研究は,提案アルゴリズムが実世界の様々な欠陥を検出可能であることを実証している。
論文 参考訳（メタデータ） (2021-04-08T19:04:55Z) - Sparse Signal Models for Data Augmentation in Deep Learning ATR [0.8999056386710496]
ドメイン知識を取り入れ,データ集約学習アルゴリズムの一般化能力を向上させるためのデータ拡張手法を提案する。
本研究では,空間領域における散乱中心のスパース性とアジムタル領域における散乱係数の滑らかな変動構造を活かし,過パラメータモデルフィッティングの問題を解く。
論文 参考訳（メタデータ） (2020-12-16T21:46:33Z)
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。