論文の概要: Mining Legacy Issues in Open Pit Mining Sites: Innovation & Support of
Renaturalization and Land Utilization
- arxiv url: http://arxiv.org/abs/2105.05557v2
- Date: Thu, 13 May 2021 10:47:44 GMT
- ステータス: 処理完了
- システム内更新日: 2021-05-14 12:12:52.466030
- Title: Mining Legacy Issues in Open Pit Mining Sites: Innovation & Support of
Renaturalization and Land Utilization
- Title（参考訳）: オープンピット鉱山における鉱業のレガシ問題--再自然化と土地利用の革新と支援
- Authors: Christopher Schr\"oder, Kim B\"urgl, Yves Annanias, Andreas Niekler,
Lydia M\"uller, Daniel Wiegreffe, Christian Bender, Christoph Mengs, Gerik
Scheuermann, Gerhard Heyer
- Abstract要約: 露天掘りの鉱山は世界中に多くの地域を残した。
これらの地域を再利用するには、土地全体を自然化する必要がある。
新しい主要な用途への持続的な使用や移転のために、汚染された場所や土壌情報の多くは永久に管理されなければならない。
データのサイズと複雑さのために、信頼できるステートメントを作成するために、一人の人がこのデータの概要を持つことは困難です。
我々は,光学的文字認識,テキスト分類,アクティブラーニング,地理情報システムの可視化のスタックを用いて,その情報を効果的にマイニングし,可視化する。
- 参考スコア（独自算出の注目度）: 2.1697172571296943
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Open pit mines left many regions worldwide inhospitable or uninhabitable. To
put these regions back into use, entire stretches of land must be
renaturalized. For the sustainable subsequent use or transfer to a new primary
use, many contaminated sites and soil information have to be permanently
managed. In most cases, this information is available in the form of expert
reports in unstructured data collections or file folders, which in the best
case are digitized. Due to size and complexity of the data, it is difficult for
a single person to have an overview of this data in order to be able to make
reliable statements. This is one of the most important obstacles to the rapid
transfer of these areas to after-use. An information-based approach to this
issue supports fulfilling several Sustainable Development Goals regarding
environment issues, health and climate action. We use a stack of Optical
Character Recognition, Text Classification, Active Learning and Geographic
Information System Visualization to effectively mine and visualize this
information. Subsequently, we link the extracted information to geographic
coordinates and visualize them using a Geographic Information System. Active
Learning plays a vital role because our dataset provides no training data. In
total, we process nine categories and actively learn their representation in
our dataset. We evaluate the OCR, Active Learning and Text Classification
separately to report the performance of the system. Active Learning and text
classification results are twofold: Whereas our categories about restrictions
work sufficient ($>$.85 F1), the seven topic-oriented categories were
complicated for human coders and hence the results achieved mediocre evaluation
scores ($<$.70 F1).
- Abstract（参考訳）: 露天掘り鉱山は世界中に多くの地域を残した。
これらの地域を再利用するには、土地全体を自然化する必要がある。
その後の持続的使用や新しい一次利用への移動には、多くの汚染された場所や土壌情報を永久に管理する必要がある。
ほとんどの場合、この情報は、非構造化データコレクションやファイルフォルダ内の専門家レポート形式で利用可能であり、最善のケースではデジタル化される。
データのサイズと複雑さのため、信頼できるステートメントを作成できるように、このデータの概観を得ることは困難である。
これは、これらの領域をアフターユースに迅速に移行する上で最も重要な障害の1つである。
この問題に対する情報に基づくアプローチは、環境問題、健康、気候活動に関する持続可能な開発目標の達成を支援する。
我々は,光学的文字認識,テキスト分類,アクティブラーニング,地理情報システムの可視化のスタックを用いて,その情報を効果的にマイニングし,可視化する。
次に,抽出した情報を地理座標にリンクし,地理情報システムを用いて可視化する。
私たちのデータセットはトレーニングデータを提供しないので、アクティブラーニングは重要な役割を果たす。
合計で9つのカテゴリを処理し、データセットでその表現を積極的に学習します。
我々は,OCR,アクティブラーニング,テキスト分類を別々に評価し,システムの性能を報告する。
アクティブラーニングとテキスト分類の結果は2つある: 制約に関するカテゴリが十分に機能する($.85 F1)のに対して、7つのトピック指向のカテゴリは人間のコーダーにとって複雑であり、その結果、中等度評価スコア($.70 F1)を得た。
関連論文リスト
- Forest Inspection Dataset for Aerial Semantic Segmentation and Depth
Estimation [6.635604919499181]
森林調査のための大規模航空データセットを新たに導入する。
現実世界と仮想的な自然環境の記録も含んでいる。
地域の森林破壊度を評価するための枠組みを開発する。
論文 参考訳（メタデータ） (2024-03-11T11:26:44Z) - Biological Valuation Map of Flanders: A Sentinel-2 Imagery Analysis [12.025312586542318]
我々は、センチネル2衛星画像と組み合わせたフランダースの高密度なラベル付き地上真理マップを提示する。
提案手法は,地形図のレイアウトである「Kaartbladversnijdingen」と,詳細なセマンティックセグメンテーションモデルトレーニングパイプラインを利用する,形式化されたデータセット分割とサンプリング手法を含む。
論文 参考訳（メタデータ） (2024-01-26T22:21:39Z) - Learning Representations without Compositional Assumptions [79.12273403390311]
本稿では,特徴集合をグラフノードとして表現し,それらの関係を学習可能なエッジとして表現することで,特徴集合の依存関係を学習するデータ駆動型アプローチを提案する。
また,複数のビューから情報を動的に集約するために,より小さな潜在グラフを学習する新しい階層グラフオートエンコーダLEGATOを導入する。
論文 参考訳（メタデータ） (2023-05-31T10:36:10Z) - Modeling Entities as Semantic Points for Visual Information Extraction
in the Wild [55.91783742370978]
文書画像から鍵情報を正確かつ堅牢に抽出する手法を提案する。
我々は、エンティティを意味的ポイントとして明示的にモデル化する。つまり、エンティティの中心点は、異なるエンティティの属性と関係を記述する意味情報によって豊かになる。
提案手法は,従来の最先端モデルと比較して,エンティティラベルとリンクの性能を著しく向上させることができる。
論文 参考訳（メタデータ） (2023-03-23T08:21:16Z) - Deep residential representations: Using unsupervised learning to unlock
elevation data for geo-demographic prediction [0.0]
LiDAR技術は、都市景観と農村景観の詳細な3次元標高マップを提供するために利用することができる。
現在まで、空中LiDAR画像は、主に環境と考古学の領域に限られている。
我々は、このデータの適合性は、独自のだけでなく、人口統計学的特徴と組み合わせたデータの源でもあると考え、埋め込みの現実的なユースケースを提供する。
論文 参考訳（メタデータ） (2021-12-02T17:10:52Z) - Text-Based Person Search with Limited Data [66.26504077270356]
テキストベースの人物検索(TBPS)は、画像ギャラリーから対象人物を記述的なテキストクエリで検索することを目的としている。
限られたデータによってもたらされる問題に対処する2つの新しいコンポーネントを持つフレームワークを提案する。
論文 参考訳（メタデータ） (2021-10-20T22:20:47Z) - Few-shot Partial Multi-view Learning [103.33865779721458]
本稿では,複数ショット部分的多視点学習という新しい課題を提案する。
それは、低データ体制におけるビューミス問題によるネガティブな影響を克服することに焦点を当てている。
提案手法を評価するため,広範囲な実験を行った。
論文 参考訳（メタデータ） (2021-05-05T13:34:43Z) - A hierarchical deep learning framework for the consistent classification
of land use objects in geospatial databases [8.703408520845645]
本稿では,土地利用情報を検証するための階層的ディープラーニングフレームワークを提案する。
複数レベルの土地利用を階層的に同時に予測することを目的とした新しいCNN方式を提案する。
実験によると、CNNはJOに依存しており、全体の精度は92.5%まで向上している。
論文 参考訳（メタデータ） (2021-04-14T17:16:35Z) - ENT-DESC: Entity Description Generation by Exploring Knowledge Graph [53.03778194567752]
実際には、出力記述が最も重要な知識のみをカバーするため、入力知識は十分以上である可能性がある。
我々は、KG-to-textにおけるこのような実践的なシナリオの研究を容易にするために、大規模で挑戦的なデータセットを導入する。
本稿では,元のグラフ情報をより包括的に表現できるマルチグラフ構造を提案する。
論文 参考訳（メタデータ） (2020-04-30T14:16:19Z) - Laplacian Denoising Autoencoder [114.21219514831343]
本稿では,新しいタイプの自動符号化器を用いてデータ表現を学習することを提案する。
勾配領域における潜伏クリーンデータを破損させて雑音入力データを生成する。
いくつかのビジュアルベンチマークの実験では、提案されたアプローチでより良い表現が学べることが示されている。
論文 参考訳（メタデータ） (2020-03-30T16:52:39Z) - Learning Cross-domain Generalizable Features by Representation
Disentanglement [11.74643883335152]
ディープラーニングモデルは、異なるドメイン間で限定的な一般化性を示す。
本稿では,MIDNet(Multual-Information-based Disentangled Neural Networks)を提案する。
本手法は手書き桁データセットと胎児超音波データセットを用いて画像分類を行う。
論文 参考訳（メタデータ） (2020-02-29T17:53:16Z)
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。