Fugu-MT 論文翻訳(概要): High-resolution land cover change from low-resolution labels: Simple baselines for the 2021 IEEE GRSS Data Fusion Contest

論文の概要: High-resolution land cover change from low-resolution labels: Simple baselines for the 2021 IEEE GRSS Data Fusion Contest

arxiv url: http://arxiv.org/abs/2101.01154v1
Date: Mon, 4 Jan 2021 18:33:47 GMT
ステータス: 処理完了
システム内更新日: 2021-04-12 01:55:14.049251
Title: High-resolution land cover change from low-resolution labels: Simple baselines for the 2021 IEEE GRSS Data Fusion Contest
Title（参考訳）: 低解像度ラベルからの高分解能土地被覆変化:2021年IEEE GRSSデータフュージョンコンテストの簡易ベースライン
Authors: Nikolay Malkin, Caleb Robinson, Nebojsa Jojic
Abstract要約: 2021年IEEE GRSSデータフュージョンコンテストにおいて,土地被覆変化検出のための簡単なアルゴリズムを提案する。コンテストのタスクは、マルチ解像度画像とラベルデータに基づいて、米国メリーランド州の研究エリアの高解像度(1m /ピクセル)の土地カバー変更マップを作成することです。
参考スコア（独自算出の注目度）: 19.705851847633856
License: http://creativecommons.org/licenses/by/4.0/
Abstract: We present simple algorithms for land cover change detection in the 2021 IEEE GRSS Data Fusion Contest. The task of the contest is to create high-resolution (1m / pixel) land cover change maps of a study area in Maryland, USA, given multi-resolution imagery and label data. We study several baseline models for this task and discuss directions for further research. See https://dfc2021.blob.core.windows.net/competition-data/dfc2021_index.txt for the data and https://github.com/calebrob6/dfc2021-msd-baseline for an implementation of these baselines.
Abstract（参考訳）: 2021年IEEE GRSSデータフュージョンコンテストにおいて,土地被覆変化検出のための簡単なアルゴリズムを提案する。コンテストの課題は、複数の解像度の画像とラベルデータに基づいて、メリーランド州メリーランドにある研究エリアの高解像度(1m/ピクセル)土地被覆変更マップを作成することである。このタスクのベースラインモデルについて検討し、さらなる研究の方向性について論じる。 https://dfc2021.blob.core.windows.net/competition-data/dfc2021_index.txt データと、これらのベースラインの実装のためのhttps://github.com/calebrob6/dfc2021-msd-baselineを参照。

関連論文リスト

AGBD: A Global-scale Biomass Dataset [18.976975819550173]
衛星画像から地上バイオマスを推定するための既存のデータセットは限られている。このデータセットは、GEDIミッションからのAGB参照データとSentinel-2とPALSAR-2の画像のデータを組み合わせる。これには、密集した天蓋の高さマップ、標高マップ、土地被覆分類マップなど、事前処理された高水準の特徴が含まれている。単一の行のコードで簡単にアクセスでき、グローバルなAGB推定への取り組みの確固たる基盤を提供する。
論文参考訳（メタデータ） (2024-06-07T13:34:17Z)
Generalized Few-Shot Meets Remote Sensing: Discovering Novel Classes in Land Cover Mapping via Hybrid Semantic Segmentation Framework [9.803861474101957]
我々は,高解像度土地被覆マッピングの新しいクラスを更新するために,セグメンテーションに基づくセグメンテーションベースのフレームワークSegLandを提案する。このフレームワークはOpenEarthMap Land Cover Mapping Few-Shot Challengeのリーダーボードで優勝した。
論文参考訳（メタデータ） (2024-04-19T09:01:58Z)
Image Classification with Small Datasets: Overview and Benchmark [0.0]
私たちは過去の研究を体系的に組織化し、結合し、現在分断され散らばっているコミュニティを統合する。本稿では,アプローチの客観的比較を可能にする共通ベンチマークを提案する。このベンチマークを用いて、標準のクロスエントロピーベースラインと、有名な会場で2017年から2021年にかけて発行された10の既存手法を再評価する。
論文参考訳（メタデータ） (2022-12-23T17:11:16Z)
1st Place Solution of The Robust Vision Challenge (RVC) 2022 Semantic Segmentation Track [67.56316745239629]
本報告では,ECCV 2022におけるロバストビジョンチャレンジのセマンティックセグメンテーション課題に対する勝利解について述べる。本手法では,エンコーダとしてFAN-B-Hybridモデルを採用し,セグメンテーションフレームワークとしてSegformerを使用している。提案手法は,マルチドメインセグメンテーションタスクの強力なベースラインとして機能し,今後の作業に役立てることができる。
論文参考訳（メタデータ） (2022-10-23T20:52:22Z)
MIPI 2022 Challenge on RGB+ToF Depth Completion: Dataset and Report [92.61915017739895]
本稿では,新しい画像センサと撮像アルゴリズムに着目した5つのトラックを含むMIPIの最初の課題を紹介する。参加者にはTetrasRGBDという,高品質な合成RGB+Depthトレーニングデータ18万組と,混合ソースからの2.3万組のテストデータを含む,新たなデータセットが提供される。最終結果は客観的指標と平均オピニオンスコア(MOS)を主観的に評価する。
論文参考訳（メタデータ） (2022-09-15T05:31:53Z)
Tackling Long-Tailed Category Distribution Under Domain Shifts [50.21255304847395]
既存のアプローチでは、両方の問題が存在するシナリオに対処できません。本研究では,分散校正型分類損失,視覚意味マッピング,セマンティック類似性誘導拡張の3つの新しい機能ブロックを設計した。 AWA2-LTSとImageNet-LTSという2つの新しいデータセットが提案された。
論文参考訳（メタデータ） (2022-07-20T19:07:46Z)
GAMa: Cross-view Video Geo-localization [68.33955764543465]
我々は、文脈的手がかりを提供する画像ではなく、地上ビデオに焦点を当てている。クリップレベルでは、短いビデオクリップと対応する空中画像が一致し、後に長いビデオの動画レベルのジオローカライズを得るために使用される。提案手法は,トップ1リコール率19.4%,45.1%@1.0マイルを達成する。
論文参考訳（メタデータ） (2022-07-06T04:25:51Z)
Deep learning based registration using spatial gradients and noisy segmentation labels [52.78503776563559]
ディープラーニングベースのアプローチは、高速かつ実行可能な登録戦略を提供することで、非常に人気を博しました。我々の研究は(i)対称な定式化に依存し、ソースからターゲットへの変換とターゲットからソースへの変換を同時に予測し、訓練された表現を類似させる。本手法では,タスク3では0.64ドル,テスト4では0.85ドルの平均ダイスを報告し,3位となった。
論文参考訳（メタデータ） (2020-10-21T11:08:45Z)
Very High Resolution Land Cover Mapping of Urban Areas at Global Scale with Convolutional Neural Networks [0.0]
本稿では,高解像度画像と限られたノイズラベル付きデータから,都市域の7クラス土地被覆マップを作成する手法について述べる。データベースの集約、セミオートマチックな分類、手動のアノテーションといったいくつかの分野に関するトレーニングデータセットを作成して、各クラスで完全な基礎的真実を得ました。最終生成物は、ベクトル化の前に縫合され、二項化され、精製されたモデル予測から計算された非常に貴重な土地被覆写像である。
論文参考訳（メタデータ） (2020-05-12T10:03:20Z)
NWPU-Crowd: A Large-Scale Benchmark for Crowd Counting and Localization [101.13851473792334]
我々は,5,109枚の画像からなる大規模集束群集NWPU-Crowdを構築し,合計2,133,375個の点と箱を付加したアノテートヘッドを構築した。他の実世界のデータセットと比較すると、様々な照明シーンを含み、最大密度範囲 (020,033) を持つ。本稿では,データ特性について述べるとともに,主要なSOTA(State-of-the-art)手法の性能を評価し,新たなデータに生じる問題を分析する。
論文参考訳（メタデータ） (2020-01-10T09:26:04Z)

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。