論文の概要: Automated crater detection with human level performance

• arxiv url: http://arxiv.org/abs/2010.12520v2
• Date: Wed, 18 Nov 2020 05:20:47 GMT
• ステータス: 処理完了
• システム内更新日: 2022-10-04 00:13:12.220807
• Title: Automated crater detection with human level performance
• Title（参考訳）: 人間レベル性能によるクレーターの自動検出
• Authors: Christopher Lee, James Hogan
• Abstract要約: 本稿では,専門家と競合し,数百倍高速なクレーター検出アルゴリズムを提案する。 このアルゴリズムは複数のニューラルネットワークを使って、デジタル地形モデルと熱赤外画像を処理する。 我々は直径3km以上の既知のクレーターの80%を発見し、7,000の新しいクレーターを同定した。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: Crater cataloging is an important yet time-consuming part of geological mapping. We present an automated Crater Detection Algorithm (CDA) that is competitive with expert-human researchers and hundreds of times faster. The CDA uses multiple neural networks to process digital terrain model and thermal infra-red imagery to identify and locate craters across the surface of Mars. We use additional post-processing filters to refine and remove potential false crater detections, improving our precision and recall by 10% compared to Lee (2019). We now find 80% of known craters above 3km in diameter, and identify 7,000 potentially new craters (13% of the identified craters). The median differences between our catalog and other independent catalogs is 2-4% in location and diameter, in-line with other inter-catalog comparisons. The CDA has been used to process global terrain maps and infra-red imagery for Mars, and the software and generated global catalog are available at https://doi.org/10.5683/SP2/CFUNII.
• Abstract（参考訳）: クレーターカタログは地質図の重要な部分であるが、時間を要する。 本稿では,専門家と競合し,数百倍高速な自動クレーター検出アルゴリズム(CDA)を提案する。 CDAは複数のニューラルネットワークを使用して、デジタル地形モデルと熱赤外画像の処理を行い、火星の表面のクレーターを特定し、発見する。 我々は、さらなる後処理フィルタを使用して、潜在的な偽クレーター検出を洗練・除去し、精度を改善し、Lee (2019)と比較して10%の精度でリコールを行う。 現在、既知のクレーターの80%が直径3kmを超えており、7,000のクレーターが新たに発見されている(クレーターの13%)。 我々のカタログと他の独立したカタログの中央値の違いは、位置と直径の2-4%であり、他のカタログ間比較とインラインである。 CDAは火星の地球地図や赤外線画像の処理に使われており、ソフトウェアと生成されたグローバルカタログはhttps://doi.org/10.5683/SP2/CFUNIIで公開されている。

関連論文リスト

• Evaluation of Resource-Efficient Crater Detectors on Embedded Systems [40.72690694162952]
  火星のクレーターのリアルタイム分析は、ミッションクリティカルな運用に不可欠である。 火星クレーターデータセットを用いて複数のYOLOネットワークをベンチマークした。 我々はこのプロセスを、コスト効率の良い商用オフ・ザ・シェルフベースの小型衛星の新しい波に最適化する。
  論文  参考訳（メタデータ） (2024-05-27T08:45:57Z)
• Mapping "Brain Terrain" Regions on Mars using Deep Learning [0.0]
  臨界領域のセットは、火星の斜視の周期的な変化に反応して、比較的最近に氷が噴出するサイクルを見た可能性がある。 本研究では、畳み込みニューラルネットワークを用いて「ブラインコーラル」地形を含む表面領域を検出する。 火星探査機マーズ・リコネッサンス・オービター(Mars Reconnaissance Orbiter)の大型画像(100-1000メガピクセル)を使って、これらの地形を1ピクセルあたり数十センチ近い解像度で探索する。
  論文  参考訳（メタデータ） (2023-11-21T02:24:52Z)
• 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)
• Comparison of automated crater catalogs for Mars from Benedix et al. (2020) and Lee and Hogan (2021) [0.0]
  近年,ニューラルネットワークやその他の自動化手法を用いたクレーターマッピングが増加している。 より寛容な比較手法がより高いCDA性能を示すことを示す。 大規模な科学的データセット生成におけるニューラルネットワークの今後の応用について検証することを提案する。
  論文  参考訳（メタデータ） (2023-08-28T15:22:15Z)
• Deep learning universal crater detection using Segment Anything Model (SAM) [6.729108277517129]
  クレーターは惑星探査において最も重要な形態学的特徴の一つである。 機械学習(ML)とコンピュータビジョンはクレーターの検出とそのサイズ推定の両方に成功している。 本稿では,META AIから最近提案されたSegment Anything Model(SAM)に基づく,普遍的なクレーター検出手法を提案する。
  論文  参考訳（メタデータ） (2023-04-16T12:36:37Z)
• Autonomous crater detection on asteroids using a fully-convolutional neural network [1.3750624267664155]
  本稿では,完全畳み込みニューラルネットワークU-Netを用いた自律クレーター検出のCeresへの適用について述べる。 U-Netは、LROと手動クレーターカタログによって収集されたデータに基づいて、ムーン・グローバル・モルフォロジー・モザイクの光学画像に基づいて訓練されている。 訓練されたモデルは、Ceresの100、500、1000の画像を使って微調整されている。
  論文  参考訳（メタデータ） (2022-04-01T14:34:11Z)
• Towards Robust Monocular Visual Odometry for Flying Robots on Planetary Missions [49.79068659889639]
  火星に着陸したばかりのIngenuityは、トラバーサビリティの影響を受けない新時代の探検の始まりとなるでしょう。 高速な光フロートラッキングを用いた高能率単分子オードメトリーアルゴリズムを提案する。 また、相対翻訳情報行列の主成分分析に基づいて、スケールドリフトの現在のリスクを推定する新しい手法を提案する。
  論文  参考訳（メタデータ） (2021-09-12T12:52:20Z)
• Wide & Deep neural network model for patch aggregation in CNN-based prostate cancer detection systems [51.19354417900591]
  前立腺癌(PCa)は、2020年に約141万件の新規感染者と約37万5000人の死者を出した男性の死因の1つである。 自動診断を行うには、まず前立腺組織サンプルをギガピクセル分解能全スライド画像にデジタイズする。 パッチと呼ばれる小さなサブイメージが抽出され、予測され、パッチレベルの分類が得られる。
  論文  参考訳（メタデータ） (2021-05-20T18:13:58Z)
• 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)
• Lunar Crater Identification in Digital Images [0.0]
  しばしば、月面の単一の画像で観測されたクレーターのパターンを特定する必要がある。 このいわゆる「ロスト・イン・スペース」クレーターの識別問題は、クレーターベースの相対航法(TRN)と科学画像の自動登録の両方で一般的である。 この研究は、一般的なクレーター同定問題の数学的に厳密な扱いを初めて提供する。
  論文  参考訳（メタデータ） (2020-09-02T17:59:51Z)
• LR-CNN: Local-aware Region CNN for Vehicle Detection in Aerial Imagery [43.91170581467171]
  最先端の物体検出手法は、大規模な空中画像において、任意の向きの密集した小さなターゲットを検出するのに困難である。 本稿では,航空画像における車両検出のための新しい2段階アプローチとして,地域認識型地域畳み込みニューラルネットワーク(LR-CNN)を提案する。
  論文  参考訳（メタデータ） (2020-05-28T19:57:34Z)

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。