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
- Predictive Churn with the Set of Good Models [64.05949860750235]
近似機械学習モデルの集合に対する競合予測の効果について検討する。
ラーショモン集合内のモデル間の係り受けに関する理論的結果を示す。
当社のアプローチは、コンシューマ向けアプリケーションにおいて、より予測し、削減し、混乱を避けるためにどのように使用できるかを示します。
論文 参考訳(メタデータ) (2024-02-12T16:15:25Z) - The Bigger the Better? Rethinking the Effective Model Scale in Long-term
Time Series Forecasting [57.00348861248051]
時系列予測は時系列分析において重要なフロンティアである。
階層的な分解で拡張された軽量トランスフォーマーであるHDformerを紹介する。
HDformerは既存のLTSFモデルよりも優れており、パラメータは99%以上少ない。
論文 参考訳(メタデータ) (2024-01-22T13:15:40Z) - Learning Robust Precipitation Forecaster by Temporal Frame Interpolation [65.5045412005064]
本研究では,空間的不一致に対するレジリエンスを示す頑健な降水予測モデルを構築した。
提案手法は,textit4cast'23コンペティションの移行学習リーダーボードにおいて,textit1位を確保したモデルにおいて,予測精度が大幅に向上した。
論文 参考訳(メタデータ) (2023-11-30T08:22:08Z) - 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) - 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) - 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) - 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。