Fugu-MT 論文翻訳(概要): Edge Detection for Satellite Images without Deep Networks

論文の概要: Edge Detection for Satellite Images without Deep Networks

arxiv url: http://arxiv.org/abs/2105.12633v1
Date: Wed, 26 May 2021 15:47:42 GMT
ステータス: 処理完了
システム内更新日: 2021-05-27 16:42:28.240243
Title: Edge Detection for Satellite Images without Deep Networks
Title（参考訳）: ディープネットワークのない衛星画像のエッジ検出
Authors: Joshua Abraham, Calden Wloka
Abstract要約: 衛星画像解析への最近のアプローチは、ディープラーニングの方法を大きく強調している。ディープラーニングには、特殊なコンピューティングハードウェアの要件など、いくつかの欠点がある。巨大な衛星データセットを扱う場合、計算リソースとトレーニングデータアノテーションのコストは禁じられるかもしれない。
参考スコア（独自算出の注目度）: 2.741266294612776
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Satellite imagery is widely used in many application sectors, including agriculture, navigation, and urban planning. Frequently, satellite imagery involves both large numbers of images as well as high pixel counts, making satellite datasets computationally expensive to analyze. Recent approaches to satellite image analysis have largely emphasized deep learning methods. Though extremely powerful, deep learning has some drawbacks, including the requirement of specialized computing hardware and a high reliance on training data. When dealing with large satellite datasets, the cost of both computational resources and training data annotation may be prohibitive.
Abstract（参考訳）: 衛星画像は農業、ナビゲーション、都市計画など多くの応用分野で広く利用されている。多くの場合、衛星画像は大量の画像と高いピクセル数の両方を含むため、衛星データセットは計算コストがかかる。衛星画像解析への最近のアプローチは、深層学習法に重点を置いている。非常に強力だが、ディープラーニングには、特殊なコンピューティングハードウェアの要件や、トレーニングデータへの高い依存など、いくつかの欠点がある。大きな衛星データセットを扱う場合、計算資源とトレーニングデータアノテーションの両方のコストは禁じられるかもしれない。

関連論文リスト

Game4Loc: A UAV Geo-Localization Benchmark from Game Data [0.0]
クロスビューペアデータの部分的マッチングを含む,より実用的なUAV測位タスクを提案する。実験により,UAV測地のためのデータとトレーニング手法の有効性が示された。
論文参考訳（メタデータ） (2024-09-25T13:33:28Z)
Weakly-supervised Camera Localization by Ground-to-satellite Image Registration [52.54992898069471]
本稿では,地対衛星画像登録のための弱教師付き学習戦略を提案する。地上画像ごとに正の衛星画像と負の衛星画像を導き出す。また,クロスビュー画像の相対回転推定のための自己超越戦略を提案する。
論文参考訳（メタデータ） (2024-09-10T12:57:16Z)
SeeFar: Satellite Agnostic Multi-Resolution Dataset for Geospatial Foundation Models [0.0873811641236639]
SeeFar(シーファー)は、公共の衛星と商用衛星の多解像度衛星画像集である。衛星タイプに縛られずに地理空間基盤モデルのトレーニングのために,このデータセットをキュレートした。
論文参考訳（メタデータ） (2024-06-10T20:24:14Z)
Reaching the Edge of the Edge: Image Analysis in Space [0.0]
衛星は、部品のサイズとコストの削減により、より広く利用できるようになった。さまざまなデータ集約型アプリケーションで衛星を運用できる小さな組織が出現している。一般的な応用の1つは、地上、氷、雲など、地球観測のための画像解析である。しかし、衛星に展開する装置の資源制約の性質は、この資源集約的な応用にさらなる課題をもたらす。
論文参考訳（メタデータ） (2023-01-12T11:51:11Z)
Semantic Segmentation of Vegetation in Remote Sensing Imagery Using Deep Learning [77.34726150561087]
本稿では,公開されているリモートセンシングデータからなるマルチモーダル・大規模時間データセットを作成するためのアプローチを提案する。我々は、異なる種類の植生を分離できる畳み込みニューラルネットワーク(CNN)モデルを使用する。
論文参考訳（メタデータ） (2022-09-28T18:51:59Z)
Convolutional Neural Processes for Inpainting Satellite Images [56.032183666893246]
Inpaintingは、既知のピクセルに基づいて何が欠けているかを予測することを含み、画像処理における古い問題である。本研究では,LANDSAT 7衛星画像のスキャンライン塗装問題に対して,従来の手法や最先端のディープラーニング塗装モデルよりも優れた性能を示すことを示す。
論文参考訳（メタデータ） (2022-05-24T23:29:04Z)
Satellite Image Time Series Analysis for Big Earth Observation Data [50.591267188664666]
本稿では,機械学習を用いた衛星画像時系列解析のためのオープンソースRパッケージである sit について述べる。本手法は, Cerrado Biome のケーススタディにより, 土地利用と土地被覆マップの精度が高いことを示す。
論文参考訳（メタデータ） (2022-04-24T15:23:25Z)
Manipulating UAV Imagery for Satellite Model Training, Calibration and Testing [4.514832807541816]
現代の家畜の農業はますますデータ駆動化が進み、広範囲のデータを収集するために効率的なリモートセンシングに依存している。衛星画像はそのようなデータソースの1つであり、カバー範囲が増加しコストが低下するにつれて、農家にとってアクセスしやすくなっている。本稿では,衛星データの品質に合わせた高分解能UAV画像の多時間データセットを提案する。
論文参考訳（メタデータ） (2022-03-22T03:57:02Z)
DeepSatData: Building large scale datasets of satellite images for training machine learning models [77.17638664503215]
本稿では,機械学習モデルの学習のための衛星画像データセットの自動生成のための設計検討を行う。本稿では,ニューラルネットワークの深層学習と評価の観点から直面する課題について論じる。
論文参考訳（メタデータ） (2021-04-28T15:13:12Z)
Fusion of Deep and Non-Deep Methods for Fast Super-Resolution of Satellite Images [54.44842669325082]
本研究は,超解像(SR)による画質向上により,画質と価格のギャップを埋めることを提案する。低解像度画像の各パッチの地域情報内容を解析するSRフレームワークを設計する。本研究では,既存の深部SR法と同等の性能を示しながら,推定時間を大幅に減少させることを示した。
論文参考訳（メタデータ） (2020-08-03T13:55:39Z)
Boundary Regularized Building Footprint Extraction From Satellite Images Using Deep Neural Network [6.371173732947292]
本稿では,1つの衛星画像から構築事例を共同で検出し,ノイズの多い建物の境界形状を規則化する,新しいディープニューラルネットワークを提案する。本モデルでは,オブジェクトの局所化,認識,セマンティックラベリング,幾何学的形状抽出を同時に行うことができる。
論文参考訳（メタデータ） (2020-06-23T17:24:09Z)

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。