論文の概要: Machine learning methods for the detection of polar lows in satellite
mosaics: major issues and their solutions
- arxiv url: http://arxiv.org/abs/2011.04811v1
- Date: Mon, 9 Nov 2020 22:43:05 GMT
- ステータス: 処理完了
- システム内更新日: 2022-09-28 02:30:53.153538
- Title: Machine learning methods for the detection of polar lows in satellite
mosaics: major issues and their solutions
- Title（参考訳）: 衛星モザイクにおける極低検出のための機械学習手法:主な課題とその解決法
- Authors: Mikhail Krinitskiy, Polina Verezemskaya, Svyatoslav Elizarov, Sergey
Gulev
- Abstract要約: 極性メソサイクロン(PMCs)とその強大なサブクラス極性低気圧(PLs)は比較的小さな大気渦であり、主に高緯度で海洋上に形成される。
PLの検出と追跡は,PLの気候動態の理解と,それらが気候系の他の構成要素に与える影響の分析に不可欠である。
本稿では,クラス不均衡とスケールフィルタリングの問題に対処するリモートセンシングデータにおけるPLとPMCの深層学習手法を提案する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Polar mesocyclones (PMCs) and their intense subclass polar lows (PLs) are
relatively small atmospheric vortices that form mostly over the ocean in high
latitudes. PLs can strongly influence deep ocean water formation since they are
associated with strong surface winds and heat fluxes. Detection and tracking of
PLs are crucial for understanding the climatological dynamics of PLs and for
the analysis of their impacts on other components of the climatic system. At
the same time, visual tracking of PLs is a highly time-consuming procedure that
requires expert knowledge and extensive examination of source data.
There are known procedures involving deep convolutional neural networks
(DCNNs) for the detection of large-scale atmospheric phenomena in reanalysis
data that demonstrate a high quality of detection. However, one cannot apply
these procedures to satellite data directly since, unlike reanalyses, satellite
products register all the scales of atmospheric vortices. It is also known that
DCNNs were originally designed to be scale-invariant. This leads to the problem
of filtering the scale of detected phenomena. There are other problems to be
solved, such as a low signal-to-noise ratio of satellite data and an unbalanced
number of negative (without PLs) and positive (where a PL is presented) classes
in a satellite dataset.
In our study, we propose a deep learning approach for the detection of PLs
and PMCs in remote sensing data, which addresses class imbalance and scale
filtering problems. We also outline potential solutions for other problems,
along with promising improvements to the presented approach.
- Abstract（参考訳）: 極性メソサイクロン(PMCs)とその強大なサブクラス極性低気圧(PLs)は比較的小さな大気渦であり、主に高緯度で海洋上に形成される。
plsは強い表面風と熱流束と関連しているため、深海水形成に強い影響を与える。
PLの検出と追跡は,PLの気候動態の理解と,それらが気候系の他の構成要素に与える影響の分析に不可欠である。
同時に、PLの視覚的追跡は、専門家の知識とソースデータの広範な検査を必要とする非常に時間を要する手順である。
深層畳み込みニューラルネットワーク(deep convolutional neural network:dcnns)は、高画質な検出を示す再分析データにおいて、大規模な大気現象を検出するための手法である。
しかし、再分析とは異なり、衛星製品は大気渦の全てのスケールを登録するため、これらの手順を直接衛星データに適用することはできない。
dcnnはもともとスケール不変な設計であったことも知られている。
これは検出された事象の規模をフィルタリングする問題につながる。
衛星データの低信号対雑音比や、衛星データセット内の負(plsなし)の非平衡数、正(plが提示される場所)クラスなど、解決すべき問題は他にもある。
本研究では,クラス不均衡とスケールフィルタリング問題に対処するリモートセンシングデータにおけるplsとpmcsの検出のための深層学習手法を提案する。
また、他の問題に対する潜在的な解決策と、提案されたアプローチの有望な改善についても概説する。
関連論文リスト
- Cluster-Segregate-Perturb (CSP): A Model-agnostic Explainability Pipeline for Spatiotemporal Land Surface Forecasting Models [5.586191108738564]
本稿では、LIMEのような摂動に基づく説明可能性手法とPDPのようなグローバルな限界説明可能性の両方から原理を統合するパイプラインを提案する。
提案したパイプラインは,複雑な陸面予測モデルにおける限界感度解析,限界相関解析,ラグ解析などの多様な調査分析の実施を単純化する。
論文 参考訳（メタデータ） (2024-08-12T04:29:54Z) - 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) - Learning Heavily-Degraded Prior for Underwater Object Detection [59.5084433933765]
本稿では、検出器フレンドリーな画像から、転送可能な事前知識を求める。
これは、検出器フレンドリー(DFUI)と水中画像の高度に劣化した領域が、特徴分布のギャップがあることを統計的に観察したものである。
高速かつパラメータの少ない本手法は変圧器型検出器よりも優れた性能を保っている。
論文 参考訳（メタデータ） (2023-08-24T12:32:46Z) - Autonomous Detection of Methane Emissions in Multispectral Satellite
Data Using Deep Learning [73.01013149014865]
メタンは最も強力な温室効果ガスの1つである。
現在のメタン放出モニタリング技術は、近似的な放出要因や自己報告に依存している。
深層学習法は、Sentinel-2衛星マルチスペクトルデータにおけるメタン漏れの自動検出に利用することができる。
論文 参考訳（メタデータ） (2023-08-21T19:36:50Z) - Efficient Real-time Smoke Filtration with 3D LiDAR for Search and Rescue
with Autonomous Heterogeneous Robotic Systems [56.838297900091426]
スモークとダストは、搭載された知覚システムに依存するため、あらゆる移動ロボットプラットフォームの性能に影響を与える。
本稿では,重みと空間情報に基づく新しいモジュラー計算フィルタを提案する。
論文 参考訳（メタデータ） (2023-08-14T16:48:57Z) - Large-scale Detection of Marine Debris in Coastal Areas with Sentinel-2 [3.6842260407632903]
海洋汚染を定量化するための努力は、しばしば粗末で高価な海岸調査によって行われる。
沿岸地域の衛星データは容易に入手でき、プラスチックごみを含む海洋ゴミの集積を検出するために利用することができる。
本稿では, 深部セグメンテーションモデル上に構築された海洋破片検出装置について述べる。
論文 参考訳（メタデータ） (2023-07-05T17:38:48Z) - Multimodal Dataset from Harsh Sub-Terranean Environment with Aerosol
Particles for Frontier Exploration [55.41644538483948]
本稿では, エアロゾル粒子を用いた過酷で非構造的な地下環境からのマルチモーダルデータセットを提案する。
ロボットオペレーティング・システム(ROS)フォーマットのすべてのオンボードセンサーから、同期された生データ計測を含んでいる。
本研究の焦点は、時間的・空間的なデータの多様性を捉えることだけでなく、取得したデータに厳しい条件が及ぼす影響を示すことである。
論文 参考訳（メタデータ） (2023-04-27T20:21:18Z) - An evaluation of deep learning models for predicting water depth
evolution in urban floods [59.31940764426359]
高空間分解能水深予測のための異なる深層学習モデルの比較を行った。
深層学習モデルはCADDIESセル-オートマタフラッドモデルによってシミュレーションされたデータを再現するために訓練される。
その結果,ディープラーニングモデルでは,他の手法に比べて誤差が低いことがわかった。
論文 参考訳（メタデータ） (2023-02-20T16:08:54Z) - Multimodal learning-based inversion models for the space-time
reconstruction of satellite-derived geophysical fields [40.33123267556167]
各種の衛星センサーは、衛星軌道による異なるサンプリングパターンの観測データや、大気環境に対する感度を提供する。
本稿では,エンドツーエンドの学習手法がマルチモーダル・インバージョン問題に対処するための新しい手段を提供する方法について検討する。
本手法は,衛星から得られた海面温度画像から適切な情報を抽出し,衛星高度データからの海面電流の復元をいかに進めるかを示す。
論文 参考訳（メタデータ） (2022-03-20T20:37:03Z) - Mining atmospheric data [0.0]
最初の問題は、新しい公開データセットとベンチマークの構築に関するものだ。
第2の課題は、大気データ分類のための深層学習手法の調査である。
対象とする用途は、空気質の評価と予測である。
論文 参考訳（メタデータ） (2021-06-26T10:04:35Z) - Multi-Channel Auto-Calibration for the Atmospheric Imaging Assembly
using Machine Learning [20.247229396526855]
現在の技術キャリブレーション技術は周期的観測ロケットに依存している。
畳み込みニューラルネットワーク(CNN)に基づく代替キャリブレーション手法を提案する。
以上の結果から,cnnモデルでは観測ロケット実験の結果を合理的な精度で総合的に再現できることがわかった。
論文 参考訳（メタデータ） (2020-12-27T22:43:37Z)
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。