論文の概要: EuroCrops: A Pan-European Dataset for Time Series Crop Type Classification

• arxiv url: http://arxiv.org/abs/2106.08151v1
• Date: Mon, 14 Jun 2021 15:21:50 GMT
• ステータス: 処理完了
• システム内更新日: 2021-06-16 15:18:43.850920
• Title: EuroCrops: A Pan-European Dataset for Time Series Crop Type Classification
• Title（参考訳）: eurocrops:時系列作物分類のための汎ヨーロッパデータセット
• Authors: Maja Schneider, Amelie Broszeit, Marco K\"orner
• Abstract要約: EuroCropsは、作物の分類とマッピングのための訓練と評価のための、自己宣言型フィールドアノテーションに基づくデータセットである。 これにより、地球観測とリモートセンシングによるデータ駆動型土地被覆分類の研究活動と議論の充実を図る。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: We present EuroCrops, a dataset based on self-declared field annotations for training and evaluating methods for crop type classification and mapping, together with its process of acquisition and harmonisation. By this, we aim to enrich the research efforts and discussion for data-driven land cover classification via Earth observation and remote sensing. Additionally, through inclusion of self-declarations gathered in the scope of subsidy control from all countries of the European Union (EU), this dataset highlights the difficulties and pitfalls one comes across when operating on a transnational level. We, therefore, also introduce a new taxonomy scheme, HCAT-ID, that aspires to capture all the aspects of reference data originating from administrative and agency databases. To address researchers from both the remote sensing and the computer vision and machine learning communities, we publish the dataset in different formats and processing levels.
• Abstract（参考訳）: 本研究では,自己宣言型フィールドアノテーションに基づく作物型分類とマッピングの訓練と評価のためのデータセットであるEuroCropsと,その取得と調和のプロセスについて述べる。 これにより、地球観測とリモートセンシングによるデータ駆動型土地被覆分類の研究活動と議論の充実を図る。 さらに、欧州連合(eu)のすべての国から補助金管理の範囲に集まった自己宣言を含めることにより、このデータセットは、トランス国家レベルで運用する場合の困難さと落とし穴を浮き彫りにする。 そこで我々は,行政・機関データベースから得られた参照データのすべての側面を把握しようとする新たな分類体系HCAT-IDを導入する。 リモートセンシングとコンピュータビジョンと機械学習のコミュニティの両方からの研究者に対処するために、データセットを異なるフォーマットと処理レベルで公開します。

関連論文リスト

• Uni$^2$Det: Unified and Universal Framework for Prompt-Guided Multi-dataset 3D Detection [64.08296187555095]
  Uni$2$Detは3D検出のための統一的で普遍的なマルチデータセットトレーニングのためのフレームワークである。 マルチデータセット3D検出のためのマルチステージプロンプトモジュールを提案する。 ゼロショットクロスデータセット転送の結果は,提案手法の一般化能力を検証する。
  論文  参考訳（メタデータ） (2024-09-30T17:57:50Z)
• Fields of The World: A Machine Learning Benchmark Dataset For Global Agricultural Field Boundary Segmentation [12.039406240082515]
  Fields of The World (FTW)は、農業分野のインスタンスセグメンテーションのための新しいベンチマークデータセットである。 FTWは70,462個のサンプルを持つ以前のデータセットよりも桁違いに大きい。 FTWで訓練されたモデルは、留保国において、ゼロショットと微調整性能が向上していることを示す。
  論文  参考訳（メタデータ） (2024-09-24T17:20:58Z)
• EuroCropsML: A Time Series Benchmark Dataset For Few-Shot Crop Type Classification [9.670182163018804]
  EuroCropsMLは、分析可能なリモートセンシング機械学習データセットである。 オープンソースのEuroCropsコレクションに基づいて、EuroCropsMLがZenodoで公開されている。
  論文  参考訳（メタデータ） (2024-07-24T17:50:54Z)
• Data-Centric AI in the Age of Large Language Models [51.20451986068925]
  本稿では,大規模言語モデル(LLM)に着目した,AI研究におけるデータ中心の視点を提案する。 本研究では,LLMの発達段階(事前学習や微調整など)や推論段階(文脈内学習など)において,データが有効であることを示す。 データを中心とした4つのシナリオを特定し、データ中心のベンチマークとデータキュレーション、データ属性、知識伝達、推論コンテキスト化をカバーします。
  論文  参考訳（メタデータ） (2024-06-20T16:34:07Z)
• Harnessing Administrative Data Inventories to Create a Reliable Transnational Reference Database for Crop Type Monitoring [0.0]
  E URO C ROPSは,国家間の相互運用を目標として,各国で調査された管理データを収集・調和する作物型分類基準データセットである。
  論文  参考訳（メタデータ） (2023-10-10T07:57:00Z)
• Weakly Supervised Anomaly Detection: A Survey [75.26180038443462]
  異常検出(AD)は、さまざまなアプリケーションによる機械学習において重要なタスクである。 弱教師付き異常検出法(WSAD)の総合的な調査を行った。 各設定に対して、正式な定義、鍵アルゴリズム、潜在的な将来の方向性を提供する。
  論文  参考訳（メタデータ） (2023-02-09T10:27:21Z)
• Learning to Discover and Detect Objects [43.52208526783969]
  新たなクラス発見・検出・ローカライゼーション(NCDL)の課題に取り組む。 この設定では、よく観察されるクラスのオブジェクトのラベル付きソースデータセットを仮定する。 検出ネットワークをエンドツーエンドでトレーニングすることにより、さまざまなクラスに対してすべてのリージョン提案を分類することが可能になる。
  論文  参考訳（メタデータ） (2022-10-19T17:59:55Z)
• Natural Language Inference with Self-Attention for Veracity Assessment of Pandemic Claims [54.93898455714295]
  まず、COVID-19に関する異質なクレームからなる新しいPANACEAデータセットの構築について述べる。 そこで我々は,自然言語推論に基づく自動妥当性評価のための新しい手法を提案する。
  論文  参考訳（メタデータ） (2022-05-05T12:11:31Z)
• A Sentinel-2 multi-year, multi-country benchmark dataset for crop classification and segmentation with deep learning [0.716879432974126]
  Sen4AgriNetは、Sentinel-2ベースの時系列マルチカントリーベンチマークデータセットである。 カタルーニャとフランスの2016-2020年期間をカバーするために建設され、追加の国を含めることができる。 4250万のパーセルを含んでいるため、他の利用可能なアーカイブよりもはるかに大きい。
  論文  参考訳（メタデータ） (2022-04-02T23:14:46Z)
• Simple multi-dataset detection [83.9604523643406]
  複数の大規模データセット上で統合検出器を訓練する簡単な方法を提案する。 データセット固有のアウトプットを共通の意味分類に自動的に統合する方法を示す。 私たちのアプローチは手動の分類学の調整を必要としません。
  論文  参考訳（メタデータ） (2021-02-25T18:55:58Z)
• TraND: Transferable Neighborhood Discovery for Unsupervised Cross-domain Gait Recognition [77.77786072373942]
  本稿では、教師なしクロスドメイン歩行認識のための領域ギャップを橋渡しするTransferable Neighborhood Discovery (TraND) フレームワークを提案する。 我々は、潜在空間におけるラベルなしサンプルの自信ある近傍を自動的に発見するために、エンドツーエンドのトレーニング可能なアプローチを設計する。 提案手法は,CASIA-BとOU-LPの2つの公開データセットに対して,最先端の結果を得る。
  論文  参考訳（メタデータ） (2021-02-09T03:07:07Z)

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。