論文の概要: Deep Learning based Automated Forest Health Diagnosis from Aerial Images

• arxiv url: http://arxiv.org/abs/2010.08437v1
• Date: Fri, 16 Oct 2020 15:07:56 GMT
• ステータス: 処理完了
• システム内更新日: 2022-10-06 21:22:19.253009
• Title: Deep Learning based Automated Forest Health Diagnosis from Aerial Images
• Title（参考訳）: 空中画像からの自動森林健康診断に基づく深層学習
• Authors: Chia-Yen Chiang, Chloe Barnes, Plamen Angelov, and Richard Jiang
• Abstract要約: 航空画像に基づく森林分析は、死んだ木や生きた木を早期に検出することができる。 本研究では,再訓練したMask RCNNアプローチを用いて,空中画像からの枯木自動検出のための新しいフレームワークを提案する。 画像中の枯れ木をラベル付けするために、枯れ木マスクの数を自動生成し、計算することができます。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Global climate change has had a drastic impact on our environment. Previous study showed that pest disaster occured from global climate change may cause a tremendous number of trees died and they inevitably became a factor of forest fire. An important portent of the forest fire is the condition of forests. Aerial image-based forest analysis can give an early detection of dead trees and living trees. In this paper, we applied a synthetic method to enlarge imagery dataset and present a new framework for automated dead tree detection from aerial images using a re-trained Mask RCNN (Mask Region-based Convolutional Neural Network) approach, with a transfer learning scheme. We apply our framework to our aerial imagery datasets,and compare eight fine-tuned models. The mean average precision score (mAP) for the best of these models reaches 54%. Following the automated detection, we are able to automatically produce and calculate number of dead tree masks to label the dead trees in an image, as an indicator of forest health that could be linked to the causal analysis of environmental changes and the predictive likelihood of forest fire.
• Abstract（参考訳）: 地球温暖化は我々の環境に大きな影響を与えた。 これまでの研究では、地球規模の気候変動による害虫災害は、膨大な数の樹木が枯渇し、森林火災の要因となった可能性があることが示されていた。 森林火災の重要な原因は森林の状態である。 空中画像に基づく森林分析は、死木と生木を早期に検出することができる。 本稿では,画像データセットを拡大する合成手法を適用し,再学習されたMask RCNN(Mask Region-based Convolutional Neural Network)アプローチを用いて,空中画像からの枯木自動検出のための新しいフレームワークを提案する。 この枠組みを航空画像データセットに適用し,8種類の微調整モデルを比較した。 これらのモデルの最高値の平均精度スコア(map)は54%に達する。 自動検出により,森林環境変化の因果分析と森林火災の予測可能性との関連性を示す指標として,画像中の枯死木をラベル付けする枯死木マスクを自動生成・算出することが可能となった。

関連論文リスト

• NeRF-Accelerated Ecological Monitoring in Mixed-Evergreen Redwood Forest [0.0]
  混合常緑樹林における幹径推定を目的としたMLSとNeRF林の復元の比較を行った。 凸ハルモデルを用いた改良DBH推定法を提案する。
  論文  参考訳（メタデータ） (2024-10-09T20:32:15Z)
• ForensicsForest Family: A Series of Multi-scale Hierarchical Cascade Forests for Detecting GAN-generated Faces [53.739014757621376]
  我々は,GAN生成顔を検出するために,EmforensicsForest Familyと呼ばれる簡易かつ効果的な森林法について述べる。 ForenscisForestは、新しく提案された多層階層のカスケード林である。 Hybrid ForensicsForestはCNNレイヤをモデルに統合する。 Divide-and-Conquer ForensicsForestは、トレーニングサンプリングの一部のみを使用して、森林モデルを構築することができる。
  論文  参考訳（メタデータ） (2023-08-02T06:41:19Z)
• Neuroevolution-based Classifiers for Deforestation Detection in Tropical Forests [62.997667081978825]
  森林破壊や荒廃により、毎年何百万ヘクタールもの熱帯林が失われる。 監視・森林破壊検知プログラムは、犯罪者の予防・処罰のための公共政策に加えて、使用されている。 本稿では,熱帯林の森林破壊検出作業におけるニューロ進化技術(NEAT)に基づくパターン分類器の利用を提案する。
  論文  参考訳（メタデータ） (2022-08-23T16:04:12Z)
• MultiEarth 2022 Deforestation Challenge -- ForestGump [0.0]
  従来のUNetと包括的データ処理を用いた森林破壊推定手法を提案する。 Sentinel-1、Sentinel-2、Landsat 8の様々なチャネルが慎重に選択され、ディープニューラルネットワークのトレーニングに使用される。 提案手法では,新しいクエリの森林破壊状況を高精度に推定する。
  論文  参考訳（メタデータ） (2022-06-22T04:10:07Z)
• A hybrid convolutional neural network/active contour approach to segmenting dead trees in aerial imagery [0.5276232626689566]
  枯木は森林全体の健康の指標であり、森林生態系の3分の1の生物多様性を収容し、世界の炭素在庫の8%を構成している。 本稿では,既存の畳み込みニューラルネットワークと新しいアクティブな輪郭モデルを組み合わせたエネルギー最小化フレームワークを用いて,空中写真から死んだ木の正確な形状輪郭を構築する手法を提案する。
  論文  参考訳（メタデータ） (2021-12-06T00:53:51Z)
• Country-wide Retrieval of Forest Structure From Optical and SAR Satellite Imagery With Bayesian Deep Learning [74.94436509364554]
  本研究では,10mの解像度で森林構造変数を高密度に推定するベイズ深層学習手法を提案する。 本手法は,Sentinel-2光画像とSentinel-1合成開口レーダ画像を5種類の森林構造変数のマップに変換する。 ノルウェーを横断する41の空中レーザー走査ミッションの基準データに基づいて、我々のモデルを訓練し、テストする。
  論文  参考訳（メタデータ） (2021-11-25T16:21:28Z)
• Tackling the Overestimation of Forest Carbon with Deep Learning and Aerial Imagery [13.97765383479824]
  本論文は,航空画像,衛星画像,地中構造観測から森林炭素推定を初めて体系的に比較したものである。 航空画像の収集は著しく高価であり,高分解能が森林炭素推定をどの程度改善するかは定かでない。 以上の結果から,衛星画像による森林炭素推定は,熱帯再植林計画において10回以上も過大評価可能であることが示唆された。
  論文  参考訳（メタデータ） (2021-07-23T15:59:52Z)
• Potato Crop Stress Identification in Aerial Images using Deep Learning-based Object Detection [60.83360138070649]
  本稿では, 深層ニューラルネットワークを用いたジャガイモの空中画像解析手法を提案する。 主な目的は、植物レベルでの健康作物とストレス作物の自動空間認識を実証することである。 実験により、フィールド画像中の健康植物とストレス植物を識別し、平均Dice係数0.74を達成できることを示した。
  論文  参考訳（メタデータ） (2021-06-14T21:57:40Z)
• From Static to Dynamic Prediction: Wildfire Risk Assessment Based on Multiple Environmental Factors [69.9674326582747]
  ワイルドファイアはアメリカ合衆国西海岸で頻繁に起こる最大の災害の1つである。 カリフォルニアの山火事リスクが高い地域を解析・評価するための静的・動的予測モデルを提案します。
  論文  参考訳（メタデータ） (2021-03-14T17:56:17Z)
• MSNet: A Multilevel Instance Segmentation Network for Natural Disaster Damage Assessment in Aerial Videos [74.22132693931145]
  本研究では, ハリケーン, 洪水, 火災などの自然災害後の建物被害を効率的に評価する課題について検討する。 最初のコントリビューションは、ソーシャルメディアからユーザ生成された空中ビデオと、インスタンスレベルのビルディング損傷マスクのアノテーションで構成される、新しいデータセットである。 第二のコントリビューションはMSNetと呼ばれる新しいモデルで、新しい領域の提案ネットワーク設計を含んでいる。
  論文  参考訳（メタデータ） (2020-06-30T02:23:05Z)

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。