Fugu-MT 論文翻訳(概要): Street to Cloud: Improving Flood Maps With Crowdsourcing and Semantic Segmentation

論文の概要: Street to Cloud: Improving Flood Maps With Crowdsourcing and Semantic Segmentation

arxiv url: http://arxiv.org/abs/2011.08010v1
Date: Thu, 5 Nov 2020 16:36:58 GMT
ステータス: 処理完了
システム内更新日: 2022-09-29 11:40:29.141141
Title: Street to Cloud: Improving Flood Maps With Crowdsourcing and Semantic Segmentation
Title（参考訳）: street to cloud:クラウドソーシングとセマンティックセグメンテーションによる洪水マップの改善
Authors: Veda Sunkara, Matthew Purri, Bertrand Le Saux, Jennifer Adams
Abstract要約: Street to Cloudは、クラウドソーシングされた地上真実データを洪水の衛星画像のセグメンテーションに組み込むための機械学習パイプラインである。本稿では,高品質の手書きトレーニングデータを生成する作業集約型タスクの解決策として,このアプローチを提案する。
参考スコア（独自算出の注目度）: 31.204782936478487
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: To address the mounting destruction caused by floods in climate-vulnerable regions, we propose Street to Cloud, a machine learning pipeline for incorporating crowdsourced ground truth data into the segmentation of satellite imagery of floods. We propose this approach as a solution to the labor-intensive task of generating high-quality, hand-labeled training data, and demonstrate successes and failures of different plausible crowdsourcing approaches in our model. Street to Cloud leverages community reporting and machine learning to generate novel, near-real time insights into the extent of floods to be used for emergency response.
Abstract（参考訳）: 気候にやさしい地域での洪水による被害に対処するため,我々は,クラウドソーシングされた地上真実データを洪水の衛星画像のセグメンテーションに組み込む機械学習パイプラインであるStreet to Cloudを提案する。我々は,このアプローチを,高品質で手書きのトレーニングデータを生成するという労働集約的な課題に対する解決策として提案し,異なるクラウドソーシング手法の成功と失敗を実証する。 Street to Cloudは、コミュニティレポートと機械学習を活用して、緊急対応に使用する洪水の程度に関する、新しいほぼリアルタイムな洞察を生成する。

関連論文リスト

Off to new Shores: A Dataset & Benchmark for (near-)coastal Flood Inundation Forecasting [7.4807361562214405]
洪水は最も一般的で破壊的な自然災害の一つである。近年の気象予知と宇宙からの洪水のマッピングは、極端な出来事を予想できる可能性を示した。洪水範囲の直接予測を可能にするデータセットとベンチマークが欠如している。
論文参考訳（メタデータ） (2024-09-27T09:51:25Z)
UrbanSARFloods: Sentinel-1 SLC-Based Benchmark Dataset for Urban and Open-Area Flood Mapping [24.857739769719778]
UrbanSARFloodsは、事前処理されたSentinel-1強度データと、洪水前後に取得された干渉コヒーレンス画像を含むデータセットである。 8,879ドルの512times 512$チップで、20のランドカバークラスと18の洪水イベントにまたがって807,500$km2$をカバーしている。我々はUrbanSARFloodsを用いて、既存の最先端の畳み込みニューラルネットワーク(CNN)を、オープンかつ都市的な洪水領域のセグメンテーションに使用した。
論文参考訳（メタデータ） (2024-06-06T14:28:43Z)
Continual All-in-One Adverse Weather Removal with Knowledge Replay on a Unified Network Structure [92.8834309803903]
現実の応用では、悪天候による画像の劣化は常に複雑で、日や季節によって異なる気象条件で変化する。我々は,ネットワーク構造を統一した上で,効果的な知識再生(KR)を実現するための新しい連続学習フレームワークを開発した。連続学習における複数の退化を伴う画像復元作業の特徴を考察し、異なる退化に関する知識を共有・蓄積することができる。
論文参考訳（メタデータ） (2024-03-12T03:50:57Z)
Leveraging Citizen Science for Flood Extent Detection using Machine Learning Benchmark Dataset [0.9029386959445269]
我々は、アメリカ本土とバングラデシュ内の約36,000平方キロメートルの地域をカバーする、既知の洪水イベントの間に、ラベル付きの水域範囲と浸水地域の範囲を作成します。また、データセットをオープンソース化し、データセットに基づいたオープンコンペティションを開催して、コミュニティ生成モデルを使用した洪水範囲検出を迅速にプロトタイプ化しました。データセットはSentinel-1C SARデータに基づく既存のデータセットに追加され、より堅牢な洪水範囲のモデリングにつながります。
論文参考訳（メタデータ） (2023-11-15T18:49:29Z)
Exploring the Application of Large-scale Pre-trained Models on Adverse Weather Removal [97.53040662243768]
ネットワークが異なる気象条件を適応的に処理できるようにするために,CLIP埋め込みモジュールを提案する。このモジュールは、CLIP画像エンコーダによって抽出されたサンプル特定気象と、パラメータセットによって学習された分布特定情報を統合する。
論文参考訳（メタデータ） (2023-06-15T10:06:13Z)
Hierarchical Terrain Attention and Multi-Scale Rainfall Guidance For Flood Image Prediction [14.075721797920679]
本稿では,階層的な地形空間の注意を取り入れた,精密な洪水地図予測のための新しい枠組みを提案する。我々は, 発電機と判別器の双方に降雨回帰損失を付加監督として活用する。我々の手法は降雨条件の異なる過去の技術を大きく上回っている。
論文参考訳（メタデータ） (2022-12-04T13:17:21Z)
Unsupervised Restoration of Weather-affected Images using Deep Gaussian Process-based CycleGAN [92.15895515035795]
本稿では,CycleGANに基づくディープネットワークの監視手法について述べる。我々は,より効果的なトレーニングにつながるCycleGANのトレーニングに新たな損失を導入し,高品質な再構築を実現した。提案手法は, 脱落, 脱落, 脱落といった様々な修復作業に効果的に適用できることを実証する。
論文参考訳（メタデータ） (2022-04-23T01:30:47Z)
Unsupervised Point Cloud Representation Learning with Deep Neural Networks: A Survey [104.71816962689296]
大規模クラウドラベリングの制約により,教師なしのポイントクラウド表現学習が注目されている。本稿では、ディープニューラルネットワークを用いた教師なしポイントクラウド表現学習の総合的なレビューを提供する。
論文参考訳（メタデータ） (2022-02-28T07:46:05Z)
From Rain Generation to Rain Removal [67.71728610434698]
雨層を生成物としてパラメータ化した雨画像のためのベイズ生成モデルを構築した。降雨画像の統計的分布を推定するために,変分推論の枠組みを用いる。総合的な実験により,提案モデルが複雑な降雨分布を忠実に抽出できることが確認された。
論文参考訳（メタデータ） (2020-08-08T18:56:51Z)
A Network Percolation-based Contagion Model of Flood Propagation and Recession in Urban Road Networks [2.5876546798940616]
都市道路網は公共サービスの提供や緊急対応に不可欠である。本研究では,都市道路網における洪水水の時空間拡散・後退過程を数学的に記述する。提案モデルの適用は,2017年のハリケーン・ハーベイにおけるハリス郡の道路洪水の高解像度履歴データを用いて検証された。
論文参考訳（メタデータ） (2020-04-07T17:25:41Z)

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。