論文の概要: Broad-UNet: Multi-scale feature learning for nowcasting tasks

• arxiv url: http://arxiv.org/abs/2102.06442v1
• Date: Fri, 12 Feb 2021 11:06:44 GMT
• ステータス: 処理完了
• システム内更新日: 2021-02-15 18:01:36.627956
• Title: Broad-UNet: Multi-scale feature learning for nowcasting tasks
• Title（参考訳）: Broad-UNet: マルチスケールな機能学習
• Authors: Jesus Garcia Fernandez, Siamak Mehrkanoon
• Abstract要約: 衛星画像を用いた画像から画像への変換問題として,nowcasting問題を扱う。 我々は,この問題を解決するために,コアUNetモデルに基づく新しいアーキテクチャであるBroad-UNetを紹介した。 提案モデルは2つの異なるnowcastingタスクに適用される。 降水マップおよび雲カバー今のキャスト。
• 参考スコア（独自算出の注目度）: 3.9318191265352196
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: Weather nowcasting consists of predicting meteorological components in the short term at high spatial resolutions. Due to its influence in many human activities, accurate nowcasting has recently gained plenty of attention. In this paper, we treat the nowcasting problem as an image-to-image translation problem using satellite imagery. We introduce Broad-UNet, a novel architecture based on the core UNet model, to efficiently address this problem. In particular, the proposed Broad-UNet is equipped with asymmetric parallel convolutions as well as Atrous Spatial Pyramid Pooling (ASPP) module. In this way, The the Broad-UNet model learns more complex patterns by combining multi-scale features while using fewer parameters than the core UNet model. The proposed model is applied on two different nowcasting tasks, i.e. precipitation maps and cloud cover nowcasting. The obtained numerical results show that the introduced Broad-UNet model performs more accurate predictions compared to the other examined architectures.
• Abstract（参考訳）: 気象予報は、気象成分を短期的に高分解能で予測するものである。 多くの人間の活動に影響を与えているため、現在正確なキャスティングが注目されている。 本稿では,衛星画像を用いた画像から画像への変換問題として,nowcasting問題を扱う。 我々は,この問題を解決するために,コアUNetモデルに基づく新しいアーキテクチャであるBroad-UNetを紹介した。 特に、提案されたbroad-unetは、arous spatial pyramid pooling (aspp)モジュールと同様に、非対称な並列畳み込みを備える。 このように、Broad-UNetモデルは、コアUNetモデルよりも少ないパラメータを使用しながら、マルチスケール機能を組み合わせることで、より複雑なパターンを学習します。 提案モデルは2つの異なるnowcastingタスクに適用される。 降水マップおよび雲カバー今のキャスト。 その結果,導入したBroad-UNetモデルでは,他のアーキテクチャと比較して精度の高い予測が可能であった。

関連論文リスト

• Physically Explainable Deep Learning for Convective Initiation Nowcasting Using GOES-16 Satellite Observations [0.1874930567916036]
  Convection Initiation (CI) nowcasting は、数値天気予報モデルと既存の nowcasting アルゴリズムの両方において難しい問題である。 本研究では,多チャンネル赤外線GOES-R衛星観測に基づくCI予測のためのオブジェクトベース確率的深層学習モデルを開発した。
  論文  参考訳（メタデータ） (2023-10-24T17:18:44Z)
• On the Embedding Collapse when Scaling up Recommendation Models [56.86200867149761]
  拡大モデルの埋め込み層について検討し, 埋没崩壊現象を同定した。 本稿では,組込みセット固有の相互作用モジュールを組み込んだ,シンプルで効果的なマルチ埋め込み設計を提案する。
  論文  参考訳（メタデータ） (2023-10-06T17:50:38Z)
• Understanding Parameter Sharing in Transformers [53.75988363281843]
  トランスフォーマーに関するこれまでの研究は、異なるレイヤでパラメータを共有することに集中しており、モデルの深さを増大させることで、限られたパラメータを持つモデルの性能を向上させることができる。 このアプローチの成功は, モデル複雑性の増加により, ごく一部に過ぎず, 収束性の向上に大きく寄与することを示す。 8つの機械翻訳タスクの実験結果から,パラメータ共有モデルのモデル複雑性を半分に抑えて,我々のモデルが競合性能を達成することが示された。
  論文  参考訳（メタデータ） (2023-06-15T10:48:59Z)
• Multi-Graph Convolution Network for Pose Forecasting [0.8057006406834467]
  本稿では,3次元ポーズ予測のための多グラフ畳み込みネットワーク(MGCN)を提案する。 MGCNは、ポーズシーケンスのための拡張グラフを導入することで、空間情報と時間情報を同時にキャプチャする。 評価では,MGCNはポーズ予測において最先端の予測よりも優れていた。
  論文  参考訳（メタデータ） (2023-04-11T03:59:43Z)
• SAR-UNet: Small Attention Residual UNet for Explainable Nowcasting Tasks [4.213427823201119]
  データ駆動型放送モデルの正確性と説明性は、気象に依存した意思決定に依存する多くの社会経済セクターにおいて非常に重要である。 本稿では,降水量と雲の被覆を行うためのSAR-UNet (Small Attention Residual UNet) という新しいアーキテクチャを提案する。
  論文  参考訳（メタデータ） (2023-03-12T13:56:59Z)
• Temporal Relevance Analysis for Video Action Models [70.39411261685963]
  まず,CNNに基づく行動モデルにより捉えたフレーム間の時間的関係を定量化する手法を提案する。 次に、時間的モデリングがどのように影響を受けるかをよりよく理解するために、包括的な実験と詳細な分析を行います。
  論文  参考訳（メタデータ） (2022-04-25T19:06:48Z)
• Deep Autoregressive Models with Spectral Attention [74.08846528440024]
  本稿では,深部自己回帰モデルとスペクトル注意(SA)モジュールを組み合わせた予測アーキテクチャを提案する。 時系列の埋め込みをランダムなプロセスの発生としてスペクトル領域に特徴付けることにより,グローバルな傾向と季節パターンを同定することができる。 時系列に対するグローバルとローカルの2つのスペクトルアテンションモデルは、この情報を予測の中に統合し、スペクトルフィルタリングを行い、時系列のノイズを除去する。
  論文  参考訳（メタデータ） (2021-07-13T11:08:47Z)
• Cloud Cover Nowcasting with Deep Learning [0.0]
  我々は,衛星撮影の最適化や太陽光発電のエネルギー生産予測など,様々な応用分野を持つクラウド・カバー・ユースキャスティングに注目した。 我々は,Meteosat衛星画像に深部畳み込みニューラルネットワークを適用した。
  論文  参考訳（メタデータ） (2020-09-24T09:57:29Z)
• A Compact Deep Architecture for Real-time Saliency Prediction [42.58396452892243]
  唾液度モデルは、人間の視覚系における注意機構を模倣することを目的としている。 ディープモデルは多数のパラメータを持ち、リアルタイムアプリケーションには適さない。 本稿では,実時間精度予測のためのコンパクトかつ高速なモデルを提案する。
  論文  参考訳（メタデータ） (2020-08-30T17:47:16Z)
• Single Image Deraining via Scale-space Invariant Attention Neural Network [58.5284246878277]
  我々は,カメラに対するレインステーキの外観の視覚的変化に対処するスケールの概念に取り組む。 本稿では,画素領域よりもコンパクトでロバストな畳み込み特徴領域のマルチスケール相関を表現することを提案する。 このようにして、機能マップの最も活発な存在を、有能な特徴として要約する。
  論文  参考訳（メタデータ） (2020-06-09T04:59:26Z)
• A Comprehensive Study on Temporal Modeling for Online Action Detection [50.558313106389335]
  オンライン行動検出(OAD)は実用的だが難しい課題であり、近年注目を集めている。 本稿では,4種類の時間的モデリング手法を含むOADの時間的モデリングに関する総合的研究を提案する。 本稿では,THUMOS-14 と TVSeries に対して,近年の最先端手法よりも大きなマージンを有するハイブリッド時間モデルを提案する。
  論文  参考訳（メタデータ） (2020-01-21T13:12:58Z)

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。