論文の概要: Counting Cows: Tracking Illegal Cattle Ranching From High-Resolution Satellite Imagery

• arxiv url: http://arxiv.org/abs/2011.07369v1
• Date: Sat, 14 Nov 2020 19:07:39 GMT
• ステータス: 処理完了
• システム内更新日: 2022-09-25 13:47:43.263986
• Title: Counting Cows: Tracking Illegal Cattle Ranching From High-Resolution Satellite Imagery
• Title（参考訳）: 牛の数を数える:高精細衛星画像から違法な牛の放牧を追跡する
• Authors: Issam Laradji, Pau Rodriguez, Freddie Kalaitzis, David Vazquez, Ross Young, Ed Davey, and Alexandre Lacoste
• Abstract要約: 牛の農業は世界の温室効果ガス排出量の8.8%を占めている。 40cmの解像度でアマゾンの衛星画像を取得し、合計28498頭の牛を含む903枚の画像のデータセットをまとめた。 本実験は,有望な結果を示し,これらの課題を解決するためのアルゴリズムとデータ収集プロセスのいずれにおいても,次のステップの重要方向を示すものである。
• 参考スコア（独自算出の注目度）: 59.32805936205217
• License: http://creativecommons.org/publicdomain/zero/1.0/
• Abstract: Cattle farming is responsible for 8.8\% of greenhouse gas emissions worldwide. In addition to the methane emitted due to their digestive process, the growing need for grazing areas is an important driver of deforestation. While some regulations are in place for preserving the Amazon against deforestation, these are being flouted in various ways, hence the need to scale and automate the monitoring of cattle ranching activities. Through a partnership with \textit{Global Witness}, we explore the feasibility of tracking and counting cattle at the continental scale from satellite imagery. With a license from Maxar Technologies, we obtained satellite imagery of the Amazon at 40cm resolution, and compiled a dataset of 903 images containing a total of 28498 cattle. Our experiments show promising results and highlight important directions for the next steps on both counting algorithms and the data collection process for solving such challenges. The code is available at \url{https://github.com/IssamLaradji/cownter_strike}.
• Abstract（参考訳）: 世界の温室効果ガス排出量は8.8 %である。 消化プロセスによって放出されるメタンに加えて、放牧地の必要性の増大は森林破壊の重要な要因となっている。 アマゾンを森林破壊から守るための規制がいくつかあるが、これらは様々な方法で拡散しているため、牛の放牧活動のスケールとモニタリングを自動化する必要がある。 我々は, \textit{global witness} とのパートナーシップにより,サテライト画像から牛を大陸規模で追跡・計数する可能性について検討した。 Maxar Technologiesのライセンスで、40cmの解像度でAmazonの衛星画像を取得し、合計28498頭の牛を含む903枚の画像を集めた。 実験では有望な結果を示し,これらの課題を解決するためのアルゴリズムとデータ収集プロセスの両方において,次のステップの重要な方向性を示す。 コードは \url{https://github.com/issamlaradji/cownter_strike} で入手できる。

関連論文リスト

• Gasformer: A Transformer-based Architecture for Segmenting Methane Emissions from Livestock in Optical Gas Imaging [0.0]
  家畜、特に牛からのメタンの排出は、気候変動に大きく貢献する。 本稿では,家畜からの低流量メタン排出量を検出するためのセマンティックセグメンテーションアーキテクチャであるガスホルマを紹介する。 FLIR GF77 OGIカメラで捉えた2つのユニークなデータセットを示す。
  論文  参考訳（メタデータ） (2024-04-16T18:38:23Z)
• HarvestNet: A Dataset for Detecting Smallholder Farming Activity Using Harvest Piles and Remote Sensing [50.4506590177605]
  HarvestNetは、2020-2023年のエチオピアのティグレイとアムハラの農場の存在をマッピングするためのデータセットである。 本研究は,多くの小作システムの特徴ある収穫杭の検出に基づく新しい手法を提案する。 本研究は, 農作物のリモートセンシングが, 食品の安全地帯において, よりタイムリーかつ正確な農地評価に寄与することが示唆された。
  論文  参考訳（メタデータ） (2023-08-23T11:03:28Z)
• Rapid Deforestation and Burned Area Detection using Deep Multimodal Learning on Satellite Imagery [3.8073142980733]
  アマゾンの森林における森林破壊の推定と火災検出は、広大な面積のために大きな課題となっている。 マルチモーダル衛星画像とリモートセンシングは、アマゾン地域の森林破壊を推定し、山火事を検出するための有望なソリューションを提供する。 本研究では、畳み込みニューラルネットワーク(CNN)と包括的データ処理技術を用いて、これらの問題を解決するための新しいキュレートデータセットとディープラーニングベースのアプローチを提案する。
  論文  参考訳（メタデータ） (2023-07-10T21:49:30Z)
• ForestEyes Project: Conception, Enhancements, and Challenges [68.8204255655161]
  この研究はフォレストEyesという市民科学プロジェクトを紹介している。 リモートセンシング画像の解析と分類を通じてボランティアの回答を用いて、熱帯雨林の森林破壊地域をモニタリングする。 これらの回答の品質を評価するために、ブラジルの法律Amazonのリモートセンシング画像を使用して、さまざまなキャンペーン/ワークフローがローンチされた。
  論文  参考訳（メタデータ） (2022-08-24T17:48:12Z)
• 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)
• Manipulating UAV Imagery for Satellite Model Training, Calibration and Testing [4.514832807541816]
  現代の家畜の農業はますますデータ駆動化が進み、広範囲のデータを収集するために効率的なリモートセンシングに依存している。 衛星画像はそのようなデータソースの1つであり、カバー範囲が増加しコストが低下するにつれて、農家にとってアクセスしやすくなっている。 本稿では,衛星データの品質に合わせた高分解能UAV画像の多時間データセットを提案する。
  論文  参考訳（メタデータ） (2022-03-22T03:57:02Z)
• IS-COUNT: Large-scale Object Counting from Satellite Images with Covariate-based Importance Sampling [90.97859312029615]
  本研究では,大規模地形におけるオブジェクト数統計をサンプリングによって推定する手法を提案する。 提案手法は,米国とアフリカ,ケニアの自動車,バングラデシュのレンガキルン,米国のスイミングプールの建物数の推定において,高い性能を発揮することを示す。
  論文  参考訳（メタデータ） (2021-12-16T18:59:29Z)
• Detecting Cattle and Elk in the Wild from Space [6.810164473908359]
  衛星画像中の大きな黄体を位置決めし、数えることが生態学研究を支える重要な課題である。 画像中の動物数(カウント)を同時に推定し,その位置をピクセルレベルで(ローカライズ)予測するベースライン手法であるCowNetを提案する。 本稿では,カリフォルニア州ポイント・レーズ海浜の大規模景観における結果モデルの時間的一般化を特に検証する。
  論文  参考訳（メタデータ） (2021-06-29T14:35:23Z)
• The 1st Agriculture-Vision Challenge: Methods and Results [144.57794061346974]
  第1回農業ビジョンチャレンジは、航空画像から農業パターン認識のための新しい効果的なアルゴリズムの開発を奨励することを目的としている。 約57の参加チームが、航空農業のセマンティックセグメンテーションの最先端を達成するために競っている。 本報告では,課題における注目すべき手法と成果について概説する。
  論文  参考訳（メタデータ） (2020-04-21T05:02:31Z)
• Agriculture-Vision: A Large Aerial Image Database for Agricultural Pattern Analysis [110.30849704592592]
  本稿では,農業パターンのセマンティックセグメンテーションのための大規模空中農地画像データセットであるGarmry-Visionを提案する。 各画像はRGBと近赤外線(NIR)チャンネルで構成され、解像度は1ピクセルあたり10cmである。 農家にとって最も重要な9種類のフィールド異常パターンに注釈を付ける。
  論文  参考訳（メタデータ） (2020-01-05T20:19:33Z)

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。