Fugu-MT 論文翻訳(概要): Big Plastic Masses Detection using Sentinel 2 Images

論文の概要: Big Plastic Masses Detection using Sentinel 2 Images

arxiv url: http://arxiv.org/abs/2103.09560v1
Date: Wed, 17 Mar 2021 10:45:33 GMT
ステータス: 処理完了
システム内更新日: 2023-04-07 21:20:38.494808
Title: Big Plastic Masses Detection using Sentinel 2 Images
Title（参考訳）: センチネル2画像を用いた大型プラスチック質量検出
Authors: Fernando Martin-Rodriguez
Abstract要約: このコミュニケーションは、地球観測衛星システムを用いて、海や海におけるプラスチック(海洋ゴミ)の大きな塊の検出に関する予備的な研究を記述している。
参考スコア（独自算出の注目度）: 91.3755431537592
License: http://creativecommons.org/licenses/by/4.0/
Abstract: This communication describes a preliminary research on detection of big masses of plastic (marine litter) on the oceans and seas using EO (Earth Observation) satellite systems. Free images from the Sentinel 2 (Copernicus Project) platform are used. To develop a plastic recognizer, we start with an image where we can find a big accumulation of "nonfloating" plastic: Almer\'ia greenhouses. We made a test using remote sensing differential indexes, but we got much better results using all available wavelengths (thirteen frequency bands) and applying Neural Networks to that feature vector.
Abstract（参考訳）: このコミュニケーションは、地球観測衛星システムを用いて、海や海におけるプラスチック(海洋ゴミ)の大きな塊の検出に関する予備的な研究を記述している。 Sentinel 2 (Copernicus Project) プラットフォームからの無償イメージが使用されている。プラスチック認識器を開発するには、まず「nonfloating」プラスチックの大きな蓄積(almer\'ia greenhouses)を見つけるためのイメージから始める。我々は、リモートセンシングディファレンシャルインデックスを用いてテストを行ったが、利用可能な波長(13の周波数帯域)とニューラルネットワークを特徴ベクトルに適用することで、より優れた結果を得た。

関連論文リスト

Learning Heavily-Degraded Prior for Underwater Object Detection [59.5084433933765]
本稿では、検出器フレンドリーな画像から、転送可能な事前知識を求める。これは、検出器フレンドリー(DFUI)と水中画像の高度に劣化した領域が、特徴分布のギャップがあることを統計的に観察したものである。高速かつパラメータの少ない本手法は変圧器型検出器よりも優れた性能を保っている。
論文参考訳（メタデータ） (2023-08-24T12:32:46Z)
Energy-Based Models for Cross-Modal Localization using Convolutional Transformers [52.27061799824835]
GPSのない衛星画像に対して、距離センサを搭載した地上車両を位置決めする新しい枠組みを提案する。本稿では, 畳み込み変換器を用いて, 高精度な計量レベルの局所化を行う手法を提案する。我々は、エンドツーエンドでモデルをトレーニングし、KITTI、Pandaset、カスタムデータセットの最先端技術よりも高い精度でアプローチを実証する。
論文参考訳（メタデータ） (2023-06-06T21:27:08Z)
EgoLocate: Real-time Motion Capture, Localization, and Mapping with Sparse Body-mounted Sensors [74.1275051763006]
本研究では,人間のモーションキャプチャ(モキャップ),ローカライゼーション,マッピングを,スパースボディ搭載センサからリアルタイムに行うシステムを開発した。我々の技術は2つの分野の最先端技術と比較して,我々の技術によって大きく改善されている。
論文参考訳（メタデータ） (2023-05-02T16:56:53Z)
Deep Learning Models for River Classification at Sub-Meter Resolutions from Multispectral and Panchromatic Commercial Satellite Imagery [2.121978045345352]
この研究は、Quickbird、WorldView、GeoEye衛星の画像を用いて北極の河川に焦点を当てている。我々は、8バンドマルチスペクトルセンサーのRGBとNIRバンドを用いており、これらの訓練されたモデルはすべて、衛星画像特有のトレーニングデータのオンザフライ前処理によって、検証データに対して90%以上の精度とリコールを達成している。新たなアプローチでは、マルチスペクトルモデルによる結果を用いて、パンクロマチック画像のみを必要とするFCNのトレーニングデータを生成する。
論文参考訳（メタデータ） (2022-12-27T20:56:34Z)
Towards Transformer-based Homogenization of Satellite Imagery for Landsat-8 and Sentinel-2 [1.4699455652461728]
Landsat-8(NASA)とSentinel-2(ESA)は、公開データを提供する2つの著名なマルチスペクトルイメージング衛星プロジェクトである。この研究は、両方の衛星プロジェクトから観測されるスペクトルと空間の差を減らすために、トランスフォーマーベースのモデルを使用する可能性について、一目でわかる。
論文参考訳（メタデータ） (2022-10-14T09:13:34Z)
NeRF-Supervision: Learning Dense Object Descriptors from Neural Radiance Fields [54.27264716713327]
シーンのニューラル・ラジアンス・フィールド(NeRF)表現は,高密度物体記述子の訓練に利用できることを示す。我々は、最適化されたNeRFを用いて、オブジェクトの複数のビュー間の密接な対応を抽出し、これらの対応を、オブジェクトのビュー不変表現を学習するためのトレーニングデータとして使用する。また,本手法により教師されたディエンス対応モデルは,市販の学習ディスクリプタよりも106%優れていた。
論文参考訳（メタデータ） (2022-03-03T18:49:57Z)
Multi-Label Classification on Remote-Sensing Images [0.0]
本報告は、アマゾン熱帯雨林の衛星画像チップに、さまざまな機械学習モデルと優れたディープラーニングモデルを通して、大気および様々な土地被覆や土地利用のクラスをラベル付けすることを目的としている。今までのベストスコアは、F2測定値が0.927である。
論文参考訳（メタデータ） (2022-01-06T08:42:32Z)
Processing Images from Multiple IACTs in the TAIGA Experiment with Convolutional Neural Networks [62.997667081978825]
我々は、畳み込みニューラルネットワーク(CNN)を用いて、TAIGA実験からモンテカルロシミュレーション画像を分析する。この分析は、ガンマ線によるシャワーに対応する画像の選択と、ガンマ線のエネルギーを推定することを含む。
論文参考訳（メタデータ） (2021-12-31T10:49:11Z)
Automated System for Ship Detection from Medium Resolution Satellite Optical Imagery [3.190574537106449]
本研究では,ESA Sentinel-2とPlanet Labs Doveの星座から得られた低解像度衛星画像に対する船舶検出パイプラインを提案する。この光学衛星画像は、合成開口レーダー(SAR)画像に基づく既存のソリューションと比較して、地球上の任意の場所で容易に利用でき、海洋領域では利用できない。
論文参考訳（メタデータ） (2021-04-28T15:06:18Z)
Generating Synthetic Multispectral Satellite Imagery from Sentinel-2 [3.4797121357690153]
本研究では,Sentinel-2データに基づくマルチ解像度マルチスペクトル画像を生成する生成モデルを提案する。得られた合成画像は、人間によって実際のものと区別できない。
論文参考訳（メタデータ） (2020-12-05T19:41:33Z)

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。