論文の概要: Deep Tiered Image Segmentation For Detecting Internal Ice Layers in Radar Imagery

• arxiv url: http://arxiv.org/abs/2010.03712v3
• Date: Tue, 6 Apr 2021 04:31:32 GMT
• ステータス: 処理完了
• システム内更新日: 2022-10-09 12:26:20.125777
• Title: Deep Tiered Image Segmentation For Detecting Internal Ice Layers in Radar Imagery
• Title（参考訳）: レーダー画像における内部氷層検出のためのディープティア画像分割
• Authors: Yuchen Wang, Mingze Xu, John Paden, Lora Koenig, Geoffrey Fox, David Crandall
• Abstract要約: 地中レーダーは、雪と氷の内部構造を観測することができる。 近年の研究では、氷と岩盤の境界を見つけるための自動技術が開発されている。 本稿では,階層分割問題の一般的なクラスを解くための新しいディープニューラルネットワークを提案する。
• 参考スコア（独自算出の注目度）: 8.09102093271587
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Understanding the structure of Earth's polar ice sheets is important for modeling how global warming will impact polar ice and, in turn, the Earth's climate. Ground-penetrating radar is able to collect observations of the internal structure of snow and ice, but the process of manually labeling these observations is slow and laborious. Recent work has developed automatic techniques for finding the boundaries between the ice and the bedrock, but finding internal layers - the subtle boundaries that indicate where one year's ice accumulation ended and the next began - is much more challenging because the number of layers varies and the boundaries often merge and split. In this paper, we propose a novel deep neural network for solving a general class of tiered segmentation problems. We then apply it to detecting internal layers in polar ice, evaluating on a large-scale dataset of polar ice radar data with human-labeled annotations as ground truth.
• Abstract（参考訳）: 南極氷床の構造を理解することは、地球温暖化が北極氷や地球の気候にどのように影響するかをモデル化するために重要である。 地中レーダーは雪や氷の内部構造の観測を収集できるが、手動で観測をラベルづけするプロセスは遅くて手間がかかる。 近年の研究では、氷と岩盤の境界を見つけるための自動的な手法が開発されているが、内部の層、すなわち1年分の氷の堆積が終わり次の開始点を示す微妙な境界を見つけることは、層の数が変化し、境界が合体して分裂することが多いため、はるかに難しい。 本稿では,階層分割問題の一般的なクラスを解くための,新しいディープニューラルネットワークを提案する。 次に,極氷の内部層の検出に適用し,人間ラベルアノテーションを用いた極氷レーダデータの大規模データセットを根拠として評価した。

関連論文リスト

• Causal Representation Learning in Temporal Data via Single-Parent Decoding [66.34294989334728]
  科学的研究はしばしば、システム内の高レベル変数の根底にある因果構造を理解しようとする。 科学者は通常、地理的に分布した温度測定などの低レベルの測定を収集する。 そこで本研究では,単一親の復号化による因果発見法を提案し,その上で下位の潜伏者と因果グラフを同時に学習する。
  論文  参考訳（メタデータ） (2024-10-09T15:57:50Z)
• Multi-Sensor Deep Learning for Glacier Mapping [0.0]
  氷床の外の氷河は、海面上昇、水資源管理、自然災害、生物多様性、観光に影響を及ぼすことで、我々の社会において重要な役割を担っている。 衛星ベースの氷河マッピングアプリケーションは、歴史的に主に手動および半自動検出法に依存してきた。 この章では、マルチセンサーのリモートセンシングデータとディープラーニングを組み合わせることで、氷河をより正確に表現し、時間的変化を検出する方法についてレビューする。
  論文  参考訳（メタデータ） (2024-09-18T14:51:36Z)
• Multiple Random Masking Autoencoder Ensembles for Robust Multimodal Semi-supervised Learning [64.81450582542878]
  コンピュータビジョンや機械学習には、現実の問題が増えている。 衛星データから地球観測を行う場合、一つの観測層を予測できることが重要である。
  論文  参考訳（メタデータ） (2024-02-12T20:08:58Z)
• Simulation-Based Inference of Surface Accumulation and Basal Melt Rates of an Antarctic Ice Shelf from Isochronal Layers [4.8407710143707]
  南極氷床に突き当たる氷棚は、周囲の海への氷の放出率を決定する。 現代の手法はこれらのレートの1つを解決するが、典型的には両方ではない。 本研究では, 表層堆積と玄武岩の融解速度を, 日時, 年時平均で同時に推定する手法を提案する。
  論文  参考訳（メタデータ） (2023-12-03T12:22:45Z)
• Boundary Aware U-Net for Glacier Segmentation [1.1715858161748574]
  大規模で空間的に重複しないクリーンな氷河氷と破片で覆われた氷河氷の分断のために,U-Netの修正版を提案する。 破砕した氷河氷のセグメンテーション性能を向上させるために, 新たな自己学習境界認識損失を導入する。 我々は、ランドサット7号の画像から、赤、短波赤外、近赤外線の帯が、破片で覆われた氷河の分断に最も寄与していると結論付けた。
  論文  参考訳（メタデータ） (2023-01-26T22:58:23Z)
• Simulating surface height and terminus position for marine outlet glaciers using a level set method with data assimilation [0.0]
  我々は,氷面と終端位置観測を数値的な氷流モデルに統合するためのデータ同化フレームワークを実装した。 このモデルはまた、グリーンランド氷床の主要な干潟であるヘルハイム氷河のシミュレーションにも適用されている。
  論文  参考訳（メタデータ） (2022-01-28T16:45:37Z)
• DAGMapper: Learning to Map by Discovering Lane Topology [84.12949740822117]
  我々は、分岐とマージによるトポロジー変化を含む多くのレーンを持つ複雑な高速道路のレーン境界を描くことに集中する。 グラフのノードがレーン境界の局所領域の幾何学的および位相的特性を符号化する有向非巡回グラフィカルモデル(DAG)における推論として問題を定式化する。 2つの異なる州における2つの幹線道路における我々のアプローチの有効性を示し、高い精度とリコールと89%の正しいトポロジーを示す。
  論文  参考訳（メタデータ） (2020-12-22T21:58:57Z)
• Machine Learning for Glacier Monitoring in the Hindu Kush Himalaya [54.12023102155757]
  氷河マッピングは、hkh領域における生態モニタリングの鍵となる。 気候変動は、氷河生態系の健康に依存している個人にリスクを与える。 本稿では,氷河に着目した環境モニタリングを支援する機械学習手法を提案する。
  論文  参考訳（メタデータ） (2020-12-09T12:48:06Z)
• Depth Estimation from Monocular Images and Sparse Radar Data [93.70524512061318]
  本稿では,ディープニューラルネットワークを用いた単眼画像とレーダ点の融合により,より正確な深度推定を実現する可能性を検討する。 レーダ測定で発生するノイズが,既存の融合法の適用を妨げている主要な理由の1つであることが判明した。 実験はnuScenesデータセット上で行われ、カメラ、レーダー、LiDARの記録を様々な場面と気象条件で記録する最初のデータセットの1つである。
  論文  参考訳（メタデータ） (2020-09-30T19:01:33Z)
• Deep Ice Layer Tracking and Thickness Estimation using Fully Convolutional Networks [0.5249805590164901]
  本研究では,Snow Radar画像とFully Convolutional Networksを用いて,各内部氷層の厚さを推定する新しい手法を提案する。 推定された厚さは、毎年雪の蓄積を理解するために利用することができる。
  論文  参考訳（メタデータ） (2020-09-01T02:43:59Z)
• A Data Scientist's Guide to Streamflow Prediction [55.22219308265945]
  我々は,水文降雨要素と流出モデルに着目し,洪水の予測と流れの予測に応用する。 このガイドは、データサイエンティストが問題や水文学的な概念、そしてその過程で現れる詳細を理解するのを助けることを目的としています。
  論文  参考訳（メタデータ） (2020-06-05T08:04:37Z)

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。