論文の概要: Instance segmentation of fallen trees in aerial color infrared imagery using active multi-contour evolution with fully convolutional network-based intensity priors

• arxiv url: http://arxiv.org/abs/2105.01998v1
• Date: Wed, 5 May 2021 11:54:05 GMT
• ステータス: 処理完了
• システム内更新日: 2021-05-06 17:11:33.829111
• Title: Instance segmentation of fallen trees in aerial color infrared imagery using active multi-contour evolution with fully convolutional network-based intensity priors
• Title（参考訳）: 完全畳み込みネットワークを用いたアクティブ多面体進化を用いた空中カラー赤外線画像における落葉樹の事例分割
• Authors: Przemyslaw Polewski, Jacquelyn Shelton, Wei Yao and Marco Heurich
• Abstract要約: 画像のセグメンテーションマップ上での複数のアクティブな輪郭進化により、共通オブジェクトクラスのインスタンスをセグメンテーションするフレームワークを導入する。 高分解能空中多スペクトル画像から個々の落下茎を分割する文脈で提案されたフレームワークをインスタンス化する。
• 参考スコア（独自算出の注目度）: 0.5276232626689566
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: In this paper, we introduce a framework for segmenting instances of a common object class by multiple active contour evolution over semantic segmentation maps of images obtained through fully convolutional networks. The contour evolution is cast as an energy minimization problem, where the aggregate energy functional incorporates a data fit term, an explicit shape model, and accounts for object overlap. Efficient solution neighborhood operators are proposed, enabling optimization through metaheuristics such as simulated annealing. We instantiate the proposed framework in the context of segmenting individual fallen stems from high-resolution aerial multispectral imagery. We validated our approach on 3 real-world scenes of varying complexity. The test plots were situated in regions of the Bavarian Forest National Park, Germany, which sustained a heavy bark beetle infestation. Evaluations were performed on both the polygon and line segment level, showing that the multi-contour segmentation can achieve up to 0.93 precision and 0.82 recall. An improvement of up to 7 percentage points (pp) in recall and 6 in precision compared to an iterative sample consensus line segment detection was achieved. Despite the simplicity of the applied shape parametrization, an explicit shape model incorporated into the energy function improved the results by up to 4 pp of recall. Finally, we show the importance of using a deep learning based semantic segmentation method as the basis for individual stem detection. Our method is a step towards increased accessibility of automatic fallen tree mapping, due to higher cost efficiency of aerial imagery acquisition compared to laser scanning. The precise fallen tree maps could be further used as a basis for plant and animal habitat modeling, studies on carbon sequestration as well as soil quality in forest ecosystems.
• Abstract（参考訳）: 本稿では,完全畳み込みネットワークで得られた画像のセマンティクスセグメンテーションマップ上で,マルチアクティブ輪郭進化による共通オブジェクトクラスのインスタンスをセグメンテーションするためのフレームワークを提案する。 輪郭の進化は、集合エネルギー関数がデータ適合項、明示的な形状モデル、およびオブジェクト重複を考慮したエネルギー最小化問題として論じられる。 効率的な解近傍演算子を提案し, 擬似アニールなどのメタヒューリスティックスによる最適化を実現する。 提案手法は,高分解能空中マルチスペクトル画像から個々の落下茎を分割する文脈において,その枠組みをインスタンス化する。 複雑度の異なる実世界の3つのシーンにアプローチを検証した。 試験はドイツのバイエルン森林国立公園(英語版)の地域で行われ、バークビートルの大量感染が続いた。 多角形および線分レベルで評価を行い,多角形セグメンテーションの精度は0.93,リコール率は0.82であった。 反復的なサンプルコンセンサスラインセグメント検出と比較して,リコール時の最大7パーセンテージ点 (pp) と精度6の改善が達成された。 応用形状パラメトリゼーションの単純さにもかかわらず、エネルギー関数に組み込んだ明示的な形状モデルは、最大4ppのリコールで結果を改善した。 最後に,個々のstem検出の基盤として深層学習に基づく意味セグメンテーション法を使うことの重要性を示す。 本手法は,レーザスキャンに比べて画像取得のコスト効率が高いため,自動落葉樹マッピングのアクセシビリティ向上への一歩である。 正確な落葉樹図は、植物および動物の生息環境のモデリング、炭素沈降および森林生態系の土壌品質の研究の基礎として、さらに利用することができる。

関連論文リスト

• Towards general deep-learning-based tree instance segmentation models [0.0]
  木を分割する学習の可能性を示す深層学習法が提案されている。 文献で見られる7つの多様なデータセットを使用して、ドメインシフトの下での一般化能力に関する洞察を得る。 その結果, 針葉樹が支配するスパース点雲から決定的に支配する高分解能点雲への一般化が可能であることが示唆された。
  論文  参考訳（メタデータ） (2024-05-03T12:42:43Z)
• Benchmarking Individual Tree Mapping with Sub-meter Imagery [6.907098367807166]
  我々は,任意の物理的環境において,個々の木マッピングに適した評価フレームワークを提案する。 異なるアプローチと深いアーキテクチャをレビューし比較し、セグメンテーションと検出のよい妥協であることを示す新しい手法を実験的に導入する。
  論文  参考訳（メタデータ） (2023-11-14T08:21:36Z)
• Contour Context: Abstract Structural Distribution for 3D LiDAR Loop Detection and Metric Pose Estimation [31.968749056155467]
  本稿では,高精度な3DoF距離ポーズ推定を用いた簡易かつ効果的かつ効率的なトポロジカルループ閉包検出パイプラインを提案する。 我々は,3次元LiDAR点から投影されるBEV像を構造層分布として解釈する。 検索キーは、層状KD木でインデックスされたデータベースの検索を高速化するように設計されている。
  論文  参考訳（メタデータ） (2023-02-13T07:18:24Z)
• CloudAttention: Efficient Multi-Scale Attention Scheme For 3D Point Cloud Learning [81.85951026033787]
  この作業にトランスフォーマーをセットし、それらを形状分類と部分およびシーンセグメンテーションのための階層的なフレームワークに組み込む。 また、各イテレーションにおけるサンプリングとグループ化を活用して、効率的でダイナミックなグローバルなクロスアテンションを計算します。 提案した階層モデルは,最先端の形状分類を平均精度で達成し,従来のセグメンテーション法と同等の結果を得る。
  論文  参考訳（メタデータ） (2022-07-31T21:39:15Z)
• Augmenting Convolutional networks with attention-based aggregation [55.97184767391253]
  我々は,非局所的推論を実現するために,注目に基づくグローバルマップを用いた畳み込みネットワークの強化方法を示す。 この学習集約層を2つのパラメータ(幅と深さ)でパラメータ化した単純パッチベースの畳み込みネットワークで接続する。 これは、特にメモリ消費の点で、精度と複雑さの間の驚くほど競争力のあるトレードオフをもたらす。
  論文  参考訳（メタデータ） (2021-12-27T14:05:41Z)
• An Effective Leaf Recognition Using Convolutional Neural Networks Based Features [1.137457877869062]
  本稿では,葉の認識に有効な手法を提案する。 葉はいくつかの前処理を経て、精製された色画像、静脈像、xy投影ヒストグラム、手作りの形状、テクスチャの特徴、フーリエディスクリプタを抽出する。 これらの属性は、サポートベクターマシン(SVM)モデルを使用して異なる葉を分類する前に、ニューラルネットワークベースのエンコーダによってより良い表現に変換される。
  論文  参考訳（メタデータ） (2021-08-04T02:02:22Z)
• Multi-task fully convolutional network for tree species mapping in dense forests using small training hyperspectral data [0.9646880519252493]
  本研究は、密林における樹木種マッピングのためのマルチタスク完全畳み込みアーキテクチャを提案する。 本モデルでは, 木の意味的ラベル付け結果の高密度化を可能にする部分的損失関数を実装した。 ツリークラウン境界制約を強制する距離回帰補完タスクは、モデル性能を大幅に改善する。
  論文  参考訳（メタデータ） (2021-06-01T21:10:10Z)
• Two-View Fine-grained Classification of Plant Species [66.75915278733197]
  本研究では,2視点の葉のイメージ表現に基づく新しい手法と,植物種の粒度認識のための階層的分類戦略を提案する。 シームズ畳み込みニューラルネットワークに基づく深度測定は、多数のトレーニングサンプルへの依存を減らし、新しい植物種に拡張性を持たせるために用いられる。
  論文  参考訳（メタデータ） (2020-05-18T21:57:47Z)
• Joint Multi-Dimension Pruning via Numerical Gradient Update [120.59697866489668]
  本稿では,空間,深さ,チャネルの3つの重要な側面において,ネットワークを同時に切断する方法であるジョイント・マルチディメンジョン・プルーニング(ジョイント・プルーニング)を提案する。 本手法は,1つのエンドツーエンドトレーニングにおいて3次元にわたって協調的に最適化され,従来よりも効率がよいことを示す。
  論文  参考訳（メタデータ） (2020-05-18T17:57:09Z)
• Monocular Human Pose and Shape Reconstruction using Part Differentiable Rendering [53.16864661460889]
  近年の研究では、3次元基底真理によって教師されるディープニューラルネットワークを介してパラメトリックモデルを直接推定する回帰に基づく手法が成功している。 本稿では,ボディセグメンテーションを重要な監視対象として紹介する。 部分分割による再構成を改善するために,部分分割により部分ベースモデルを制御可能な部分レベル微分可能部を提案する。
  論文  参考訳（メタデータ） (2020-03-24T14:25:46Z)
• Image Fine-grained Inpainting [89.17316318927621]
  拡張畳み込みの密結合を利用してより大きく効果的な受容場を得る一段階モデルを提案する。 この効率的なジェネレータをよく訓練するために、頻繁に使用されるVGG特徴整合損失を除いて、新しい自己誘導回帰損失を設計する。 また、局所的・グローバルな分枝を持つ識別器を用いて、局所的・グローバルな内容の整合性を確保する。
  論文  参考訳（メタデータ） (2020-02-07T03:45:25Z)

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。