論文の概要: Detection of marine floating plastic using Sentinel-2 imagery and machine learning models

• arxiv url: http://arxiv.org/abs/2106.03694v2
• Date: Tue, 8 Jun 2021 08:59:05 GMT
• ステータス: 処理完了
• システム内更新日: 2021-06-15 14:32:36.865415
• Title: Detection of marine floating plastic using Sentinel-2 imagery and machine learning models
• Title（参考訳）: sentinel-2画像と機械学習モデルによる海洋浮遊プラスチックの検出
• Authors: Srikanta Sannigrahi, Bidroha Basu, Arunima Sarkar Basu, Francesco Pilla
• Abstract要約: 本研究の目的は, 浮遊プラスチックの破片の検出・分類を行うために, センチネル衛星データとMLモデルのオープンな機能について検討することであった。 ギリシャのミティレネとキプロスのリマソールでプラスティックの位置データが収集され、同じことがモデルの訓練のために検討された。 最適性能モデルを用いて、キャラブリアとベイルートで自動浮遊プラスチック検出システムを開発し、試験した。
• 参考スコア（独自算出の注目度）: 1.462434043267217
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The increasing level of marine plastic pollution poses severe threats to the marine ecosystem and biodiversity. The present study attempted to explore the full functionality of open Sentinel satellite data and ML models for detecting and classifying floating plastic debris in Mytilene (Greece), Limassol (Cyprus), Calabria (Italy), and Beirut (Lebanon). Two ML models, i.e. Support Vector Machine (SVM) and Random Forest (RF) were utilized to carry out the classification analysis. In-situ plastic location data was collected from the control experiment conducted in Mytilene, Greece and Limassol, Cyprus, and the same was considered for training the models. Both remote sensing bands and spectral indices were used for developing the ML models. A spectral signature profile for plastic was created for discriminating the floating plastic from other marine debris. A newly developed index, kernel Normalized Difference Vegetation Index (kNDVI), was incorporated into the modelling to examine its contribution to model performances. Both SVM and RF were performed well in five models and test case combinations. Among the two ML models, the highest performance was measured for the RF. The inclusion of kNDVI was found effective and increased the model performances, reflected by high balanced accuracy measured for model 2 (~80% to ~98 % for SVM and ~87% to ~97 % for RF). Using the best-performed model, an automated floating plastic detection system was developed and tested in Calabria and Beirut. For both sites, the trained model had detected the floating plastic with ~99% accuracy. Among the six predictors, the FDI was found the most important variable for detecting marine floating plastic. These findings collectively suggest that high-resolution remote sensing imagery and the automated ML models can be an effective alternative for the cost-effective detection of marine floating plastic.
• Abstract（参考訳）: 海洋プラスチック汚染の増加は海洋生態系や生物多様性に深刻な脅威をもたらす。 本研究では,ミチレン (ギリシャ) , リマソール (キプロス) , カラブリア (イタリア) , ベイルート (レバノン) に浮かぶプラスチックの破片を検出し, 分類するためのオープンセンチネル衛星データとMLモデルの全機能について検討した。 2つのMLモデル、すなわち。 支援ベクトルマシン(SVM)とランダムフォレスト(RF)を用いて分類分析を行った。 ギリシャのミティレネとキプロスのリマソールで実施された制御実験から, その場でプラスチックの位置データを収集した。 リモートセンシングバンドとスペクトル指標の両方がMLモデルの開発に使用された。 プラスチックのスペクトルシグネチャプロファイルは、浮遊するプラスチックを他の海洋ゴミと区別するために作られた。 新たに開発されたカーネル正規化差分植生指数(カーネル正規化差分植生指数)(kNDVI)はモデル性能への寄与を調べるためにモデルに組み込まれた。 SVMとRFは5つのモデルとテストケースの組み合わせで良好に動作した。 2つのMLモデルのうち,RFの最高性能を測定した。 kNDVIはモデル2で測定された高いバランス精度(SVMで約80%～98%、RFで約87%～97%)で反映され,有効であることが判明した。 最善のパーフォームモデルを用いて、カラブリアとベイルートで自動浮遊プラスチック検出システムを開発しテストした。 両方の現場で、訓練されたモデルは浮きプラスチックを99%の精度で検出した。 6つの予測器のうち、FDIは海洋浮遊プラスチックを検出する上で最も重要な変数であることがわかった。 これらの結果は,高分解能リモートセンシング画像と自動mlモデルが海洋浮遊プラスチックの検出に有効な代替手段であることを示唆している。

関連論文リスト

• Vision-Language and Large Language Model Performance in Gastroenterology: GPT, Claude, Llama, Phi, Mistral, Gemma, and Quantized Models [0.06555599394344236]
  本研究では,大言語モデル (LLMs) と視覚言語モデル (VLMs) の胃腸科学における医学的推論性能を評価する。 我々は,300の胃腸科検査式多票質問紙を使用し,そのうち138は画像を含んでいた。
  論文  参考訳（メタデータ） (2024-08-25T14:50:47Z)
• KFD-NeRF: Rethinking Dynamic NeRF with Kalman Filter [49.85369344101118]
  KFD-NeRFは,Kalmanフィルタに基づく効率的かつ高品質な運動再構成フレームワークと統合された,新しい動的ニューラル放射場である。 我々のキーとなる考え方は、動的放射場を、観測と予測という2つの知識源に基づいて時間的に異なる状態が推定される動的システムとしてモデル化することである。 我々のKFD-NeRFは、同等の計算時間と最先端の視線合成性能で、徹底的な訓練を施した類似または優れた性能を示す。
  論文  参考訳（メタデータ） (2024-07-18T05:48:24Z)
• EMR-Merging: Tuning-Free High-Performance Model Merging [55.03509900949149]
  Elect, Mask & Rescale-Merging (EMR-Merging) は既存のマージ手法と比較して優れた性能を示した。 EMR-Mergingはチューニング不要なので、データアベイラビリティや追加のトレーニングは必要ありません。
  論文  参考訳（メタデータ） (2024-05-23T05:25:45Z)
• MambaAD: Exploring State Space Models for Multi-class Unsupervised Anomaly Detection [53.03687787922032]
  長距離モデリングと線形効率の優れたマンバモデルが注目されている。 MambaADは、事前訓練されたエンコーダと(Locality-Enhanced State Space)LSSモジュールをマルチスケールで備えたMambaデコーダで構成されている。 提案したLSSモジュールは、並列カスケード(Hybrid State Space) HSSブロックとマルチカーネル畳み込み操作を統合し、長距離情報とローカル情報の両方を効果的にキャプチャする。
  論文  参考訳（メタデータ） (2024-04-09T18:28:55Z)
• How Easy is It to Fool Your Multimodal LLMs? An Empirical Analysis on Deceptive Prompts [54.07541591018305]
  提案するMAD-Benchは,既存のオブジェクト,オブジェクト数,空間関係などの5つのカテゴリに分割した1000の試験サンプルを含むベンチマークである。 我々は,GPT-4v,Reka,Gemini-Proから,LLaVA-NeXTやMiniCPM-Llama3といったオープンソースモデルに至るまで,一般的なMLLMを包括的に分析する。 GPT-4oはMAD-Bench上で82.82%の精度を達成するが、実験中の他のモデルの精度は9%から50%である。
  論文  参考訳（メタデータ） (2024-02-20T18:31:27Z)
• PLASTIC: Improving Input and Label Plasticity for Sample Efficient Reinforcement Learning [54.409634256153154]
  強化学習(RL)では, サンプル効率の向上が重要である。 原則として、非政治的なRLアルゴリズムは、環境相互作用毎に複数の更新を可能にすることで、サンプル効率を向上させることができる。 本研究は, この現象の原因を, 塑性を2つの側面に分けて検討した。
  論文  参考訳（メタデータ） (2023-06-19T06:14:51Z)
• Estimating oil and gas recovery factors via machine learning: Database-dependent accuracy and reliability [0.0]
  重要な貯水池特性は炭化水素回収係数(RF)であり、その正確な推定は掘削と生産戦略に決定的な洞察を与える。 本研究の目的は,多孔性,透水性,圧力,飽和水などの種々の貯留層特性から,機械学習(ML)手法を用いて炭化水素のRFを推定することである。
  論文  参考訳（メタデータ） (2022-10-22T16:25:49Z)
• Large-scale Robustness Analysis of Video Action Recognition Models [10.017292176162302]
  我々は6つの最先端動作認識モデルの90種類の摂動に対する堅牢性について検討した。 1) トランスフォーマーベースモデルはCNNベースモデルと比較して一貫して堅牢であり、2) 事前トレーニングはCNNベースモデルよりもトランスフォーマーベースモデルのロバスト性を改善し、3) 研究されたモデルはすべて、SSv2以外のすべてのデータセットに対して時間的摂動に対して堅牢である。
  論文  参考訳（メタデータ） (2022-07-04T13:29:34Z)
• DeepPlastic: A Novel Approach to Detecting Epipelagic Bound Plastic Using Deep Visual Models [0.0]
  現在、浮遊プラスチックを定量化する最も一般的な監視方法は、マンタトロールの使用が必要です。 分析前の物理的除去の必要性は、コストが高く、リアルタイムの海洋プラスチックモニタリングサービスのスケーラブルな展開を妨げる集中的な労力を必要とします。 本研究では,海表層内で撮影した画像をインプットとして利用する,高度にスケーラブルなワークフローを提案する。
  論文  参考訳（メタデータ） (2021-05-05T06:04:26Z)
• Semi-supervised on-device neural network adaptation for remote and portable laser-induced breakdown spectroscopy [0.22843885788439797]
  LIBS用軽量多層パーセプトロン(MLP)モデルを導入し、新しい入力データのラベルを必要とせずにオンデバイスで適応できます。 データストリーミング中の平均精度は89.3%で、適応をサポートしないモデルに比べて最大2.1%高い精度を示している。
  論文  参考訳（メタデータ） (2021-04-08T00:20:36Z)
• From Sound Representation to Model Robustness [82.21746840893658]
  本研究では, 環境音の標準的な表現(スペクトログラム)が, 被害者の残差畳み込みニューラルネットワークの認識性能と対角攻撃性に与える影響について検討する。 3つの環境音響データセットの様々な実験から、ResNet-18モデルは、他のディープラーニングアーキテクチャよりも優れていることがわかった。
  論文  参考訳（メタデータ） (2020-07-27T17:30:49Z)

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。