論文の概要: Glacier Calving Front Segmentation Using Attention U-Net

• arxiv url: http://arxiv.org/abs/2101.03247v1
• Date: Fri, 8 Jan 2021 23:06:21 GMT
• ステータス: 処理完了
• システム内更新日: 2021-04-10 05:50:55.645130
• Title: Glacier Calving Front Segmentation Using Attention U-Net
• Title（参考訳）: attention u-netを用いた氷河カルビングフロントセグメンテーション
• Authors: Michael Holzmann, Amirabbas Davari, Thorsten Seehaus, Matthias Braun, Andreas Maier, Vincent Christlein
• Abstract要約: Intention U-Net を用いて,SAR 画像から氷河養生前線をエンドツーエンドに分割する手法を提案する。 最先端のU-Netネットワークに注意モジュールを追加することで、注意マップを抽出して学習プロセスを分析できます。 提案する注意点u-netは標準のu-netと同等に動作し,ネットワークがより集中するように学習した領域に対するさらなる洞察を提供する。
• 参考スコア（独自算出の注目度）: 7.64750171496838
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: An essential climate variable to determine the tidewater glacier status is the location of the calving front position and the separation of seasonal variability from long-term trends. Previous studies have proposed deep learning-based methods to semi-automatically delineate the calving fronts of tidewater glaciers. They used U-Net to segment the ice and non-ice regions and extracted the calving fronts in a post-processing step. In this work, we show a method to segment the glacier calving fronts from SAR images in an end-to-end fashion using Attention U-Net. The main objective is to investigate the attention mechanism in this application. Adding attention modules to the state-of-the-art U-Net network lets us analyze the learning process by extracting its attention maps. We use these maps as a tool to search for proper hyperparameters and loss functions in order to generate higher qualitative results. Our proposed attention U-Net performs comparably to the standard U-Net while providing additional insight into those regions on which the network learned to focus more. In the best case, the attention U-Net achieves a 1.5% better Dice score compared to the canonical U-Net with a glacier front line prediction certainty of up to 237.12 meters.
• Abstract（参考訳）: 海水氷河の状態を決定するための重要な気候変数は、氷結した前線の位置と季節変動の長期的傾向からの分離である。 これまでの研究で、干潟氷河のカルビングフロントを半自動で定義する深層学習に基づく手法が提案されてきた。 彼らはu-netを使って氷と非氷の領域を区分し、処理後ステップでカルビングフロントを抽出した。 本研究では,SAR画像から氷河カルビングフロントを,意図的U-Netを用いてエンドツーエンドに分割する方法を示す。 主な目的は,本アプリケーションにおける注意機構の解明である。 最新のU-Netネットワークにアテンションモジュールを追加することで、アテンションマップを抽出して学習プロセスを分析することができる。 これらのマップを,適切なハイパーパラメータと損失関数を探索し,高い質的結果を生成するためのツールとして用いる。 提案する注意点u-netは標準のu-netと同等に動作し,ネットワークがより集中するように学習した領域に対するさらなる洞察を提供する。 最良の場合、u-netの注目度は、氷河前線の予測精度が最大237.12メートルの標準のu-netよりも1.5%向上している。

関連論文リスト

• Scalable Glacier Mapping using Deep Learning and Open Earth Observation Data Matches the Accuracy of Manual Delineation [0.718723384367814]
  Glacier-VisionTransformer-U-Net (GlaViTU) は畳み込み変換型ディープラーニングモデルである。 合成開口レーダデータ、すなわち後方散乱と干渉コヒーレンスを追加することで、利用可能なすべての領域の精度が向上する。 世界中の氷河の9%をカバーするベンチマークデータセットをリリースしました。
  論文  参考訳（メタデータ） (2024-01-25T20:41:17Z)
• Diffusion-based Data Augmentation for Object Counting Problems [62.63346162144445]
  拡散モデルを用いて広範なトレーニングデータを生成するパイプラインを開発する。 拡散モデルを用いて位置ドットマップ上に条件付き画像を生成するのはこれが初めてである。 提案した拡散モデルにおけるカウント損失は,位置ドットマップと生成した群集画像との差を効果的に最小化する。
  論文  参考訳（メタデータ） (2024-01-25T07:28:22Z)
• Prior Based Online Lane Graph Extraction from Single Onboard Camera Image [133.68032636906133]
  単眼カメラ画像からレーングラフをオンラインに推定する。 前者は、トランスフォーマーベースのWasserstein Autoencoderを通じてデータセットから抽出される。 オートエンコーダは、最初のレーングラフ推定を強化するために使用される。
  論文  参考訳（メタデータ） (2023-07-25T08:58:26Z)
• Prediction of Annual Snow Accumulation Using a Recurrent Graph Convolutional Approach [0.38073142980732994]
  近年、スノーレーダーのような空中レーダーセンサーは、垂直解像度の細かい大きな領域で内部の氷層を計測できることが示されている。 本研究では,グラフアテンションネットワークに基づくモデルを用いて,より大規模なデータセット上での入力データポイントの少ない年次積雪データポイントの予測を行った。
  論文  参考訳（メタデータ） (2023-06-22T19:48:34Z)
• VA-DepthNet: A Variational Approach to Single Image Depth Prediction [163.14849753700682]
  VA-DepthNetは、単一画像深度予測問題に対する単純で効果的で正確なディープニューラルネットワークアプローチである。 本論文は,複数のベンチマークデータセットに対する広範囲な評価とアブレーション解析により提案手法の有用性を実証する。
  論文  参考訳（メタデータ） (2023-02-13T17:55:58Z)
• AMD-HookNet for Glacier Front Segmentation [17.60067480799222]
  氷河の開削前位置の変化に関する知識は 氷河の状態を評価する上で重要です 深層学習に基づく手法は、光学衛星画像やレーダー衛星画像から氷河の前部線を削る大きな可能性を示している。 本研究では,新しい氷河養生フロントセグメンテーションフレームワークであるAttention-Multi-hooking-Deep-supervision HookNetを提案する。
  論文  参考訳（メタデータ） (2023-02-06T12:39:40Z)
• Unpaired Overwater Image Defogging Using Prior Map Guided CycleGAN [60.257791714663725]
  オーバーウォーターシーンで画像をデフォグするための先行マップガイドサイクロン (PG-CycleGAN) を提案する。 提案手法は,最先端の教師付き,半教師付き,非教師付きデグジングアプローチより優れている。
  論文  参考訳（メタデータ） (2022-12-23T03:00:28Z)
• On Mathews Correlation Coefficient and Improved Distance Map Loss for Automatic Glacier Calving Front Segmentation in SAR Imagery [7.64750171496838]
  アウトレット氷河や極地氷床の氷流の大部分は海に終止符を打っている。 過去数十年間、氷河の海への転覆による氷の質量損失は増加している。 ディープニューラルネットワークベースのセマンティックセグメンテーションパイプラインを使用して、取得したSARイメージを記述することができる。
  論文  参考訳（メタデータ） (2021-02-16T17:53:34Z)
• Bayesian U-Net for Segmenting Glaciers in SAR Imagery [7.960675807187592]
  不確実性を計算し,新しい二段階プロセスとして不確実性最適化手法として用いることを提案する。 ネットワークへの不確実性マップの供給は95.24%のdice類似性をもたらす。 これは、最先端の決定論的U-Netベースの氷河セグメンテーションパイプラインと比較して、全体的なセグメンテーション性能の改善である。
  論文  参考訳（メタデータ） (2021-01-08T23:17:49Z)
• KiU-Net: Towards Accurate Segmentation of Biomedical Images using Over-complete Representations [59.65174244047216]
  本稿では,高次元にデータを投影するオーバーコンプリートアーキテクチャ(Ki-Net)を提案する。 このネットワークは、U-Netで拡張されると、小さな解剖学的ランドマークを分割する場合に大幅に改善される。 早期新生児の2次元超音波による脳解剖学的セグメント化の課題について検討した。
  論文  参考訳（メタデータ） (2020-06-08T18:59:24Z)
• GPS-Net: Graph Property Sensing Network for Scene Graph Generation [91.60326359082408]
  シーングラフ生成(SGG)は、画像内のオブジェクトとそれらのペア関係を検出することを目的としている。 GPS-Netは、エッジ方向情報、ノード間の優先度の差、長期にわたる関係の分布という、SGGの3つの特性を網羅している。 GPS-Netは、VG、OI、VRDの3つの一般的なデータベース上での最先端のパフォーマンスを、さまざまな設定とメトリクスで大幅に向上させる。
  論文  参考訳（メタデータ） (2020-03-29T07:22:31Z)

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。