論文の概要: HVAQ: A High-Resolution Vision-Based Air Quality Dataset
- arxiv url: http://arxiv.org/abs/2102.09332v1
- Date: Thu, 18 Feb 2021 13:42:34 GMT
- ステータス: 処理完了
- システム内更新日: 2021-02-19 14:19:04.145982
- Title: HVAQ: A High-Resolution Vision-Based Air Quality Dataset
- Title（参考訳）: HVAQ:高分解能ビジョンに基づく空気品質データセット
- Authors: Zuohui Chen, Tony Zhang, Zhuangzhi Chen, Yun Xiang, Qi Xuan, and
Robert P. Dick
- Abstract要約: PM2.5, PM10, 温度, 湿度データからなる高時間・空間分解能空気質データセットを提案する。
我々は,センサの密度と画像によって予測精度が向上することを示すために,いくつかの視覚に基づくPM濃度予測アルゴリズムをデータセット上で評価した。
- 参考スコア（独自算出の注目度）: 3.9523800511973017
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Air pollutants, such as particulate matter, strongly impact human health.
Most existing pollution monitoring techniques use stationary sensors, which are
typically sparsely deployed. However, real-world pollution distributions vary
rapidly in space and the visual effects of air pollutant can be used to
estimate concentration, potentially at high spatial resolution. Accurate
pollution monitoring requires either densely deployed conventional point
sensors, at-a-distance vision-based pollution monitoring, or a combination of
both.
This paper makes the following contributions: (1) we present a high temporal
and spatial resolution air quality dataset consisting of PM2.5, PM10,
temperature, and humidity data; (2) we simultaneously take images covering the
locations of the particle counters; and (3) we evaluate several vision-based
state-of-art PM concentration prediction algorithms on our dataset and
demonstrate that prediction accuracy increases with sensor density and image.
It is our intent and belief that this dataset can enable advances by other
research teams working on air quality estimation.
- Abstract（参考訳）: 粒子状物質のような空気汚染物質は人間の健康に強い影響を及ぼす。
既存の汚染監視技術のほとんどは、通常、ステーショナリーセンサーを使用します。
しかし、実世界の汚染分布は宇宙空間において急速に変化し、空気汚染物質の視覚効果は高分解能で濃度を推定するのに使うことができる。
正確な汚染監視には、高密度に配置された従来の点センサ、遠隔監視ベースの汚染監視、または両方の組み合わせが必要です。
本稿では,(1)pm2.5,pm10,温度,湿度データからなる高時間分解能,空間分解能の空気品質データセットを提示し,(2)粒子カウンタの位置をカバーする画像を同時に取得し,(3)複数の視覚に基づくpm濃度予測アルゴリズムをデータセット上で評価し,センサ密度と画像で予測精度が向上することを示す。
このデータセットは、大気品質の推定に取り組んでいる他の研究チームによる進歩を可能にすることができるという私たちの意図と信念です。
関連論文リスト
- A Framework for Scalable Ambient Air Pollution Concentration Estimation [0.0]
英国では大気汚染が重要な問題であり、大気汚染濃度のデータが大気質の改善を目的とした介入の基礎となっている。
欠落した測度を埋めることにより,時間的・空間的データギャップに対処するデータ駆動型機械学習モデルフレームワークを提案する。
このアプローチは、2018年を通してイングランドの包括的なデータセットを1kmx1kmの時間分解能で提供する。
論文 参考訳（メタデータ） (2024-01-16T18:03:07Z) - Autonomous Detection of Methane Emissions in Multispectral Satellite
Data Using Deep Learning [73.01013149014865]
メタンは最も強力な温室効果ガスの1つである。
現在のメタン放出モニタリング技術は、近似的な放出要因や自己報告に依存している。
深層学習法は、Sentinel-2衛星マルチスペクトルデータにおけるメタン漏れの自動検出に利用することができる。
論文 参考訳（メタデータ） (2023-08-21T19:36:50Z) - Efficient Real-time Smoke Filtration with 3D LiDAR for Search and Rescue
with Autonomous Heterogeneous Robotic Systems [56.838297900091426]
スモークとダストは、搭載された知覚システムに依存するため、あらゆる移動ロボットプラットフォームの性能に影響を与える。
本稿では,重みと空間情報に基づく新しいモジュラー計算フィルタを提案する。
論文 参考訳（メタデータ） (2023-08-14T16:48:57Z) - IoT-Based Air Quality Monitoring System with Machine Learning for
Accurate and Real-time Data Analysis [0.0]
本研究では, どこでも使用可能な携帯型空気質検知装置の開発を提案する。
収集されたデータは、クラウドベースのWebアプリThinkSpeakを使って保存および視覚化される。
論文 参考訳（メタデータ） (2023-07-02T14:18:04Z) - Multimodal Dataset from Harsh Sub-Terranean Environment with Aerosol
Particles for Frontier Exploration [55.41644538483948]
本稿では, エアロゾル粒子を用いた過酷で非構造的な地下環境からのマルチモーダルデータセットを提案する。
ロボットオペレーティング・システム(ROS)フォーマットのすべてのオンボードセンサーから、同期された生データ計測を含んでいる。
本研究の焦点は、時間的・空間的なデータの多様性を捉えることだけでなく、取得したデータに厳しい条件が及ぼす影響を示すことである。
論文 参考訳（メタデータ） (2023-04-27T20:21:18Z) - Towards Spatial Equilibrium Object Detection [88.9747319572368]
本稿では,現代物体検出器の空間的不平衡問題について考察する。
本稿では,ゾーンにおける検出性能の測定により,この問題の定量化を提案する。
これは、より一般化された測度を設計する動機となり、空間平衡精度と呼ばれる。
論文 参考訳（メタデータ） (2023-01-14T17:33:26Z) - Detecting Elevated Air Pollution Levels by Monitoring Web Search
Queries: Deep Learning-Based Time Series Forecasting [7.978612711536259]
以前の研究は、地上モニターや気象データから収集した汚染物質濃度を長期予測のモデルに頼っていた。
本研究では,主要な検索エンジンからほぼリアルタイムで公開されているWeb検索データを用いて,観測された汚染レベルを推定するモデルを開発し,検証することを目的とする。
従来型の教師付き分類法と最先端の深層学習法を併用して,米国の都市レベルで大気汚染レベルの上昇を検出する機械学習モデルを開発した。
論文 参考訳（メタデータ） (2022-11-09T23:56:35Z) - A Multi-purpose Real Haze Benchmark with Quantifiable Haze Levels and
Ground Truth [61.90504318229845]
本稿では,ハズフリー画像とその場でのハズ密度測定を併用した,最初の実画像ベンチマークデータセットを提案する。
このデータセットはコントロールされた環境で生成され、プロの煙発生装置がシーン全体を覆っている。
このデータセットのサブセットは、CVPR UG2 2022 チャレンジの Haze Track における Object Detection に使用されている。
論文 参考訳（メタデータ） (2022-06-13T19:14:06Z) - Estimation of Air Pollution with Remote Sensing Data: Revealing
Greenhouse Gas Emissions from Space [1.9659095632676094]
地上レベルの大気汚染の既存のモデルは、しばしば局所的に制限され、時間的に静的な土地利用データセットに依存している。
本研究は,世界規模で利用でき,頻繁に更新されるリモートセンシングデータにのみ依存する環境大気汚染の予測のための深層学習手法を提案する。
論文 参考訳（メタデータ） (2021-08-31T14:58:04Z) - Mining atmospheric data [0.0]
最初の問題は、新しい公開データセットとベンチマークの構築に関するものだ。
第2の課題は、大気データ分類のための深層学習手法の調査である。
対象とする用途は、空気質の評価と予測である。
論文 参考訳（メタデータ） (2021-06-26T10:04:35Z) - Federated Learning in the Sky: Aerial-Ground Air Quality Sensing
Framework with UAV Swarms [53.38353133198842]
空気質は人間の健康に大きく影響し、空気質指数(AQI)の正確かつタイムリーな予測がますます重要になっている。
本稿では, 精密な3次元空気質モニタリングと予測を行うための, 新たなフェデレーション学習型地上空気質検知フレームワークを提案する。
地中センシングシステムでは, グラフ畳み込みニューラルネットワークを用いたLong Short-Term Memory (GC-LSTM) モデルを提案し, 高精度, リアルタイム, 将来的なAQI推論を実現する。
論文 参考訳（メタデータ） (2020-07-23T13:32:47Z)
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。