論文の概要: Enhancing Environmental Enforcement with Near Real-Time Monitoring: Likelihood-Based Detection of Structural Expansion of Intensive Livestock Farms

• arxiv url: http://arxiv.org/abs/2105.14159v1
• Date: Sat, 29 May 2021 00:33:18 GMT
• ステータス: 処理完了
• システム内更新日: 2021-06-05 22:37:26.631740
• Title: Enhancing Environmental Enforcement with Near Real-Time Monitoring: Likelihood-Based Detection of Structural Expansion of Intensive Livestock Farms
• Title（参考訳）: 近リアルタイムモニタリングによる環境保全の強化--集約的畜産農場の構造拡張の確率的検出
• Authors: Ben Chugg, Brandon Anderson, Seiji Eicher, Sandy Lee, Daniel E. Ho
• Abstract要約: 衛星画像を用いた構造的拡張の迅速同定法について述べる。 我々は、建築拡張の堅牢な信号を提供するために、最先端の建物のセグメント化と、可能性に基づく変更点検出モデルを組み合わせる。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Environmental enforcement has historically relied on physical, resource-intensive, and infrequent inspections. Advances in remote sensing and computer vision have the potential to augment compliance monitoring, by providing early warning signals of permit violations. We demonstrate a process for rapid identification of significant structural expansion using satellite imagery and focusing on Concentrated Animal Feeding Operations (CAFOs) as a test case. Unpermitted expansion has been a particular challenge with CAFOs, which pose significant health and environmental risks. Using a new hand-labeled dataset of 175,736 images of 1,513 CAFOs, we combine state-of-the-art building segmentation with a likelihood-based change-point detection model to provide a robust signal of building expansion (AUC = 0.80). A major advantage of this approach is that it is able to work with high-cadence (daily to weekly), but lower resolution (3m/pixel), satellite imagery. It is also highly generalizable and thus provides a near real-time monitoring tool to prioritize enforcement resources to other settings where unpermitted construction poses environmental risk, e.g. zoning, habitat modification, or wetland protection.
• Abstract（参考訳）: 環境執行は歴史的に、物理的、資源集約的で、頻繁な検査に依存してきた。 リモートセンシングとコンピュータビジョンの進歩は、許可違反の早期警告信号を提供することで、コンプライアンス監視を強化する可能性がある。 本稿では,衛星画像を用いた重要な構造展開の迅速同定と,実験事例として集中型動物給餌操作(CAFO)に着目した。 未許可の拡大はCAFOにとって特に困難であり、これは健康や環境に重大なリスクをもたらしている。 1,513cafosの175,736画像からなる新しい手ラベルデータセットを用いて,最先端のビルセグメンテーションと可能性に基づく変更点検出モデルを組み合わせて,拡張のロバストな信号(auc = 0.80)を提供する。 このアプローチの大きな利点は、高いカスデンス(毎週)でも、解像度(3m/ピクセル)の衛星画像でも使えることだ。 また、非常に一般化されており、例えば、無許可建設が環境リスクをもたらす他の設定に対して、実行リソースを優先する、ほぼリアルタイムの監視ツールを提供する。 ゾーニング、生息地変更、湿地保護など。

関連論文リスト

• A Geospatial Approach to Predicting Desert Locust Breeding Grounds in Africa [4.02300146952738]
  ロカスト群れは農業と食料安全保障に 大きな脅威を与えます 本研究は,ロカスト繁殖場予測のための操作可能なモデルを開発した。
  論文  参考訳（メタデータ） (2024-03-11T16:13:58Z)
• Spatial Structure Constraints for Weakly Supervised Semantic Segmentation [100.0316479167605]
  クラスアクティベーションマップ(CAM)は、オブジェクトの最も識別性の高い部分のみを見つけることができる。 注意伸縮の余剰なオブジェクトの過剰な活性化を軽減するために,弱い教師付きセマンティックセマンティックセグメンテーションのための空間構造制約(SSC)を提案する。 提案手法は,PASCAL VOC 2012とCOCOデータセットでそれぞれ72.7%,47.0%mIoUを達成した。
  論文  参考訳（メタデータ） (2024-01-20T05:25:25Z)
• Large Scale Masked Autoencoding for Reducing Label Requirements on SAR Data [5.057850174013128]
  本研究では,地球表面面積の8.7%をカバーするSAR振幅データに対して,自己教師付き事前学習方式,マスク付き自動符号化を適用した。 この事前学習方式を用いることで、下流タスクのラベル付け要求を1桁以上削減できることを示す。 本研究は,タスクモデルと地域固有のSARモデルの開発を促進することにより,気候変動の緩和を著しく促進する。
  論文  参考訳（メタデータ） (2023-10-02T00:11:47Z)
• Building Coverage Estimation with Low-resolution Remote Sensing Imagery [65.95520230761544]
  本稿では,低解像度衛星画像のみを用いた建物被覆量の推定手法を提案する。 本モデルでは, 世界中の開発レベルの異なる地域において, 建築範囲の予測において最大0.968の判定係数を達成している。
  論文  参考訳（メタデータ） (2023-01-04T05:19:33Z)
• BARReL: Bottleneck Attention for Adversarial Robustness in Vision-Based Reinforcement Learning [20.468991996052953]
  本研究では、視力に基づく強化学習エージェントの、勾配に基づく敵攻撃に対する感受性について検討する。 本稿では,学習した注意マップを用いて,畳み込み層の活性化を回復する方法を示す。 多くのRL環境において、BAMで強化されたアーキテクチャは推論中にロバスト性を高めた。
  論文  参考訳（メタデータ） (2022-08-22T17:54:34Z)
• Weakly-Supervised Physically Unconstrained Gaze Estimation [80.66438763587904]
  我々は、人間のインタラクションのビデオから弱教師付き視線推定を行うという未発見の問題に対処する。 本稿では,タスクに特化して設計された新しい損失関数とともに,トレーニングアルゴリズムを提案する。 a)半教師付き視線推定の精度と(b)最先端の物理的に制約のないGaze360視線推定ベンチマーク上でのクロスドメイン一般化の精度を大幅に改善した。
  論文  参考訳（メタデータ） (2021-05-20T14:58:52Z)
• Robust Object Detection via Instance-Level Temporal Cycle Confusion [89.1027433760578]
  物体検出器の分布外一般化を改善するための補助的自己監視タスクの有効性を検討する。 最大エントロピーの原理に触発されて,新しい自己監督タスクであるインスタンスレベル時間サイクル混乱(cycconf)を導入する。 それぞれのオブジェクトに対して、タスクは、ビデオ内の隣接するフレームで最も異なるオブジェクトの提案を見つけ、自己スーパービジョンのために自分自身にサイクルバックすることです。
  論文  参考訳（メタデータ） (2021-04-16T21:35:08Z)
• Detection and Prediction of Nutrient Deficiency Stress using Longitudinal Aerial Imagery [3.5417999811721677]
  早期, 栄養不足ストレス(NDS)の精密検出は, 環境影響の精度だけでなく, 経済的にも重要である。 我々は,高分解能空中画像のシーケンスを収集し,セマンティクスセグメンテーションモデルを構築し,フィールド全体のndsの検出と予測を行う。 この研究は、リモートセンシングと農業の深層学習の発展に寄与し、経済と持続可能性に関する重要な社会的課題に対処している。
  論文  参考訳（メタデータ） (2020-12-17T15:06:15Z)
• Energy Aware Deep Reinforcement Learning Scheduling for Sensors Correlated in Time and Space [62.39318039798564]
  相関情報を利用するスケジューリング機構を提案する。 提案したメカニズムは、センサが更新を送信する頻度を決定することができる。 我々は,センサの寿命を大幅に延長できることを示した。
  論文  参考訳（メタデータ） (2020-11-19T09:53:27Z)
• A feature-supervised generative adversarial network for environmental monitoring during hazy days [6.276954295407201]
  本稿では,環境モニタリングのためのGAN(Generative Adversarial Network)に基づく特徴教師付き学習ネットワークを提案する。 提案手法は,合成データセットと実世界のリモートセンシング画像の両方において,最先端の手法よりも優れた性能を実現している。
  論文  参考訳（メタデータ） (2020-08-05T05:27:15Z)
• 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。