論文の概要: Paradigm selection for Data Fusion of SAR and Multispectral Sentinel data applied to Land-Cover Classification

• arxiv url: http://arxiv.org/abs/2106.11056v1
• Date: Fri, 18 Jun 2021 11:36:54 GMT
• ステータス: 処理完了
• システム内更新日: 2021-06-22 16:02:10.399205
• Title: Paradigm selection for Data Fusion of SAR and Multispectral Sentinel data applied to Land-Cover Classification
• Title（参考訳）: sarデータ融合のためのパラダイム選択と土地被覆分類への応用
• Authors: Alessandro Sebastianelli, Maria Pia Del Rosso, Pierre Philippe Mathieu, Silvia Liberata Ullo
• Abstract要約: 本稿では、畳み込みニューラルネットワーク(CNN)に基づく4つのデータ融合パラダイムを分析し、実装する。 目標は、最良のデータ融合フレームワークを選択するための体系的な手順を提供することであり、その結果、最高の分類結果が得られる。 この手順は、土地被覆分類のために検証されているが、他のケースに転送することができる。
• 参考スコア（独自算出の注目度）: 63.072664304695465
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Data fusion is a well-known technique, becoming more and more popular in the Artificial Intelligence for Earth Observation (AI4EO) domain mainly due to its ability of reinforcing AI4EO applications by combining multiple data sources and thus bringing better results. On the other hand, like other methods for satellite data analysis, data fusion itself is also benefiting and evolving thanks to the integration of Artificial Intelligence (AI). In this letter, four data fusion paradigms, based on Convolutional Neural Networks (CNNs), are analyzed and implemented. The goals are to provide a systematic procedure for choosing the best data fusion framework, resulting in the best classification results, once the basic structure for the CNN has been defined, and to help interested researchers in their work when data fusion applied to remote sensing is involved. The procedure has been validated for land-cover classification but it can be transferred to other cases.
• Abstract（参考訳）: データ融合はよく知られた技術であり、AI4EO(Artificial Intelligence for Earth Observation)ドメインでは、主に複数のデータソースを組み合わせてAI4EOアプリケーションを強化し、より良い結果をもたらすため、ますます人気が高まっている。 一方、衛星データ分析の他の方法と同様に、データ融合自体も人工知能(AI)の統合によって恩恵を受け、進化している。 本稿では,畳み込みニューラルネットワーク(cnns)に基づく4つのデータ融合パラダイムを分析し,実装する。 目的は、最良のデータ融合フレームワークを選択するための体系的な手順を提供することであり、cnnの基本的な構造が定義されれば、最良の分類結果が得られる。 この手続きは土地被覆分類で検証されているが、他のケースに移すこともできる。

関連論文リスト

• Synthetic Data Generation in Cybersecurity: A Comparative Analysis [0.0]
  GANベースの手法、特にCTGANとCopulaGANは、忠実性と実用性の観点から非AIおよび従来のAIアプローチより優れている。 本研究は,サイバーセキュリティネットワークトラフィックデータに特化して,これらの手法の比較評価を行うことにより,この分野に寄与する。
  論文  参考訳（メタデータ） (2024-10-18T14:19:25Z)
• Multimodal Misinformation Detection by Learning from Synthetic Data with Multimodal LLMs [13.684959490938269]
  本稿では,2つのモデルに依存しないデータ選択手法を用いて,実世界のマルチモーダル誤情報を検出するための合成データからの学習を提案する。 実世界のファクトチェックデータセット上でのMLLMの性能を向上させる実験を行った。
  論文  参考訳（メタデータ） (2024-09-29T11:01:14Z)
• Synthetic Data from Diffusion Models Improve Drug Discovery Prediction [1.3686993145787065]
  データあいまいさは、重要な研究課題に答えようとする研究者にとって、データのキュレーションを難しくする。 本稿では,リガンドおよび薬物動態データをエンドツーエンドに生成できる新しい拡散GNNモデルSyngandを提案する。 我々は,AqSolDB,LD50,hERGを中心とした下流回帰タスクにおいて,Syngand生成した合成目標データの有効性について,最初の有望な結果を示した。
  論文  参考訳（メタデータ） (2024-05-06T19:09:37Z)
• DACO: Towards Application-Driven and Comprehensive Data Analysis via Code Generation [83.30006900263744]
  データ分析は、詳細な研究と決定的な洞察を生み出すための重要な分析プロセスである。 LLMのコード生成機能を活用した高品質な応答アノテーションの自動生成を提案する。 我々のDACO-RLアルゴリズムは、57.72%のケースにおいて、SFTモデルよりも有用な回答を生成するために、人間のアノテータによって評価される。
  論文  参考訳（メタデータ） (2024-03-04T22:47:58Z)
• On the Cross-Dataset Generalization of Machine Learning for Network Intrusion Detection [50.38534263407915]
  ネットワーク侵入検知システム(NIDS)はサイバーセキュリティの基本的なツールである。 多様なネットワークにまたがる一般化能力は、その有効性と現実のアプリケーションにとって必須の要素である。 本研究では,機械学習に基づくNIDSの一般化に関する包括的分析を行う。
  論文  参考訳（メタデータ） (2024-02-15T14:39:58Z)
• Exploring the Potential of AI-Generated Synthetic Datasets: A Case Study on Telematics Data with ChatGPT [0.0]
  この研究は、OpenAIの強力な言語モデルであるChatGPTを活用して、特にテレマティクス分野における合成データセットの構築と利用に力を入れている。 このデータ作成プロセスを説明するために、合成テレマティクスデータセットの生成に焦点を当てたハンズオンケーススタディが実施されている。
  論文  参考訳（メタデータ） (2023-06-23T15:15:13Z)
• Human-Centric Multimodal Machine Learning: Recent Advances and Testbed on AI-based Recruitment [66.91538273487379]
  人間中心のアプローチでAIアプリケーションを開発する必要性には、ある程度のコンセンサスがある。 i)ユーティリティと社会的善、(ii)プライバシとデータ所有、(iii)透明性と説明責任、(iv)AIによる意思決定プロセスの公正性。 異種情報ソースに基づく現在のマルチモーダルアルゴリズムは、データ中の機密要素や内部バイアスによってどのように影響を受けるかを検討する。
  論文  参考訳（メタデータ） (2023-02-13T16:44:44Z)
• 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)
• Deep Learning in Multimodal Remote Sensing Data Fusion: A Comprehensive Review [33.40031994803646]
  本調査は,DLに基づくマルチモーダルRSデータ融合の体系的概要を示すことを目的としている。 マルチモーダルRSデータ融合におけるサブフィールドについて,to-be-fusedデータモダリティの観点から検討する。 残る課題と今後の方向性が強調される。
  論文  参考訳（メタデータ） (2022-05-03T09:08:16Z)
• Unsupervised Domain Adaptive Learning via Synthetic Data for Person Re-identification [101.1886788396803]
  人物再識別(re-ID)は、ビデオ監視に広く応用されているため、ますます注目を集めている。 残念なことに、主流のディープラーニング手法では、モデルをトレーニングするために大量のラベル付きデータが必要です。 本稿では,コンピュータゲーム内で合成されたre-IDサンプルを自動的に生成するデータコレクタを開発し,同時にアノテートするデータラベラを構築した。
  論文  参考訳（メタデータ） (2021-09-12T15:51:41Z)

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。