論文の概要: End-to-End Intelligent Framework for Rockfall Detection

• arxiv url: http://arxiv.org/abs/2102.06491v1
• Date: Fri, 12 Feb 2021 12:48:17 GMT
• ステータス: 処理完了
• システム内更新日: 2021-02-15 17:14:56.548578
• Title: End-to-End Intelligent Framework for Rockfall Detection
• Title（参考訳）: ロックフォール検出のためのエンドツーエンドインテリジェントフレームワーク
• Authors: Thanasis Zoumpekas, Anna Puig, Maria Salam\'o, David Garc\'ia-Sell\'es, Laura Blanco Nu\~nez, Marta Guinau
• Abstract要約: 岩石の検出は地質学の分野で重要な手順であり、関連するリスクを減らすのに役立ちます。 現在、地質学者は、地球レーザースキャナーやデジタルカメラなどのさまざまなキャプションデバイスから得られたポイントクラウドと画像データを使用して、ほぼ手動で岩石のイベントを特定します。 本稿では,この課題に対処し,ドメイン地質と意思決定支援システムの交点で働く個人に対して,ロックフォールイベント検出のためのインテリジェントなフレームワークを提供する。
• 参考スコア（独自算出の注目度）: 1.8594711725515676
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Rockfall detection is a crucial procedure in the field of geology, which helps to reduce the associated risks. Currently, geologists identify rockfall events almost manually utilizing point cloud and imagery data obtained from different caption devices such as Terrestrial Laser Scanner or digital cameras. Multi-temporal comparison of the point clouds obtained with these techniques requires a tedious visual inspection to identify rockfall events which implies inaccuracies that depend on several factors such as human expertise and the sensibility of the sensors. This paper addresses this issue and provides an intelligent framework for rockfall event detection for any individual working in the intersection of the geology domain and decision support systems. The development of such an analysis framework poses significant research challenges and justifies intensive experimental analysis. In particular, we propose an intelligent system that utilizes multiple machine learning algorithms to detect rockfall clusters of point cloud data. Due to the extremely imbalanced nature of the problem, a plethora of state-of-the-art resampling techniques accompanied by multiple models and feature selection procedures are being investigated. Various machine learning pipeline combinations have been benchmarked and compared applying well-known metrics to be incorporated into our system. Specifically, we developed statistical and machine learning techniques and applied them to analyze point cloud data extracted from Terrestrial Laser Scanner in two distinct case studies, involving different geological contexts: the basaltic cliff of Castellfollit de la Roca and the conglomerate Montserrat Massif, both located in Spain. Our experimental data suggest that some of the above-mentioned machine learning pipelines can be utilized to detect rockfall incidents on mountain walls, with experimentally proven accuracy.
• Abstract（参考訳）: 岩石の検出は地質学の分野で重要な手順であり、関連するリスクを減らすのに役立ちます。 現在、地質学者は、地球レーザースキャナーやデジタルカメラなどのさまざまなキャプションデバイスから得られたポイントクラウドと画像データを使用して、ほぼ手動で岩石のイベントを特定します。 これらの技術で得られた点群の多時間的比較は、人間の専門知識やセンサーの感度などのいくつかの要因に依存する不正確さを示唆する岩石のイベントを識別するために面倒な視覚検査を必要とします。 本稿では,この課題に対処し,地質領域と意思決定支援システムの交差点で働く個人に対して,ロックフォールイベント検出のためのインテリジェントなフレームワークを提供する。 このような分析フレームワークの開発は、重要な研究課題を引き起こし、集中的な実験分析を正当化する。 特に,複数の機械学習アルゴリズムを用いて,ポイントクラウドデータのロックフォールクラスタを検出するインテリジェントシステムを提案する。 問題の極めて不均衡な性質から,複数のモデルと特徴選択手順を伴って,最先端の再サンプリング手法が数多く検討されている。 さまざまな機械学習パイプラインの組み合わせをベンチマークし、システムに組み込むためのよく知られたメトリクスを適用して比較した。 具体的には, 統計的および機械学習手法を開発し, 地上レーザースキャナから抽出した点雲データを, 地質学的文脈の異なる2つの異なるケーススタディ, スペインに分布するカステルフォリット・デ・ラ・ロカの玄武岩崖とコングロマリット・モンセラト・マッシフを用いて解析した。 実験データから,上述した機械学習パイプラインのいくつかは,山壁の落石事故を,実験的に証明された精度で検出できる可能性が示唆された。

関連論文リスト

• BenchCloudVision: A Benchmark Analysis of Deep Learning Approaches for Cloud Detection and Segmentation in Remote Sensing Imagery [0.0]
  本稿では,雲の識別に応用した7つの最先端セマンティックセマンティックセマンティクスと検出アルゴリズムについて検討する。 モデルの適応性を高めるために、トレーニング中に使用される画像の種類とスペクトル帯域の量を含む重要な要素を解析する。 研究は、少数のスペクトルバンドだけでクラウドセグメンテーションを実行できる機械学習アルゴリズムを作成しようとしている。
  論文  参考訳（メタデータ） (2024-02-21T16:32:43Z)
• Progressing from Anomaly Detection to Automated Log Labeling and Pioneering Root Cause Analysis [53.24804865821692]
  本研究では、ログ異常の分類を導入し、ラベル付けの課題を軽減するために、自動ラベリングについて検討する。 この研究は、根本原因分析が異常検出に続く未来を予見し、異常の根本原因を解明する。
  論文  参考訳（メタデータ） (2023-12-22T15:04:20Z)
• Assaying on the Robustness of Zero-Shot Machine-Generated Text Detectors [57.7003399760813]
  先進的なLarge Language Models (LLMs) とその特殊な変種を探索し、いくつかの方法でこの分野に寄与する。 トピックと検出性能の間に有意な相関関係が発見された。 これらの調査は、様々なトピックにまたがるこれらの検出手法の適応性と堅牢性に光を当てた。
  論文  参考訳（メタデータ） (2023-12-20T10:53:53Z)
• Deep Learning for Time Series Anomaly Detection: A Survey [53.83593870825628]
  時系列異常検出は、製造業や医療を含む幅広い研究分野や応用に応用されている。 時系列の大規模かつ複雑なパターンにより、研究者は異常パターンを検出するための特別な深層学習モデルを開発するようになった。 本調査は,ディープラーニングを用いた構造化および総合的時系列異常検出モデルの提供に焦点を当てる。
  論文  参考訳（メタデータ） (2022-11-09T22:40:22Z)
• Tracking perovskite crystallization via deep learning-based feature detection on 2D X-ray scattering data [137.47124933818066]
  本稿では,より高速なR-CNN深層学習アーキテクチャに基づくX線回折画像の自動解析パイプラインを提案する。 有機-無機ペロブスカイト構造の結晶化をリアルタイムに追跡し, 2つの応用で検証した。
  論文  参考訳（メタデータ） (2022-02-22T15:39:00Z)
• Crack detection using tap-testing and machine learning techniques to prevent potential rockfall incidents [68.8204255655161]
  本稿では,岩盤の自動探傷システムを提案する。 ロボットは、岩面を何度も打ったり、タップしたりするのに使用される。 音はロボットによって収集され、壊れやすい岩を識別する意図で分類される。
  論文  参考訳（メタデータ） (2021-10-10T22:53:36Z)
• On-board Volcanic Eruption Detection through CNNs and Satellite Multispectral Imagery [59.442493247857755]
  著者らは、最初のプロトタイプと、AIモデルが“ロード”される可能性の研究を提案している。 ケーススタディでは,早期に警報を発生させる方法として,火山噴火の検出について検討することにした。 2つの畳み込みニューラルネットワークが提案され、作成され、実際のハードウェア上でそれらを正しく実装する方法も示されている。
  論文  参考訳（メタデータ） (2021-06-29T11:52:43Z)
• A review of machine learning in processing remote sensing data for mineral exploration [0.41998444721319217]
  本稿では,最近確立したリモートセンシングデータ処理のための機械学習手法の実装と適応について概説する。 異なる鉱床の探査への応用について研究している。
  論文  参考訳（メタデータ） (2021-03-13T10:36:25Z)
• Smart Anomaly Detection in Sensor Systems: A Multi-Perspective Review [0.0]
  異常検出は、期待される振る舞いから著しく逸脱するデータパターンを特定することに関わる。 データ分析からe-health、サイバーセキュリティ、予測メンテナンス、障害防止、産業自動化に至るまで、幅広いアプリケーション領域があるため、これは重要な研究課題である。 本稿では,センサシステムの特定の領域における異常検出に使用される最先端手法について概説する。
  論文  参考訳（メタデータ） (2020-10-27T09:56:16Z)

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。