論文の概要: Constructing Forest Biomass Prediction Maps from Radar Backscatter by
Sequential Regression with a Conditional Generative Adversarial Network
- arxiv url: http://arxiv.org/abs/2106.15020v1
- Date: Mon, 21 Jun 2021 15:05:35 GMT
- ステータス: 処理完了
- システム内更新日: 2021-07-04 22:06:21.452825
- Title: Constructing Forest Biomass Prediction Maps from Radar Backscatter by
Sequential Regression with a Conditional Generative Adversarial Network
- Title（参考訳）: 条件付き生成逆数ネットワークによるレーダ後方散乱からの森林バイオマス予測マップの構築
- Authors: Sara Bj\"ork, Stian Normann Anfinsen, Erik N{\ae}sset, Terje Gobakken
and Eliakimu Zahabu
- Abstract要約: 本稿では,合成開口レーダ(SAR)強度画像から地上バイオマス(AGB)予測マップを構築する。
航空機搭載レーザースキャン(ALS)センサーのデータは、AGBと強く相関している。
SAR強度とALS予測AGBの回帰関数をモデル化するために,条件付き生成対向ネットワーク(cGAN)の利用を提案する。
- 参考スコア（独自算出の注目度）: 0.17499351967216337
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: This paper studies construction of above-ground biomass (AGB) prediction maps
from synthetic aperture radar (SAR) intensity images. The purpose is to improve
traditional regression models based on SAR intensity, trained with a limited
amount of AGB in situ measurements. Although it is costly to collect, data from
airborne laser scanning (ALS) sensors are highly correlated with AGB.
Therefore, we propose using AGB predictions based on ALS data as surrogate
response variables for SAR data in a sequential modelling fashion. This
increases the amount of training data dramatically. To model the regression
function between SAR intensity and ALS-predicted AGB we propose to utilise a
conditional generative adversarial network (cGAN), i.e. the Pix2Pix
convolutional neural network. This enables the recreation of existing ALS-based
AGB prediction maps. The generated synthesised ALS-based AGB predictions are
evaluated qualitatively and quantitatively against ALS-based AGB predictions
retrieved from a traditional non-sequential regression model trained in the
same area. Results show that the proposed architecture manages to capture
characteristics of the actual data. This suggests that the use of ALS-guided
generative models is a promising avenue for AGB prediction from SAR intensity.
Further research on this area has the potential of providing both large-scale
and low-cost predictions of AGB.
- Abstract（参考訳）: 本稿では,合成開口レーダ(SAR)強度画像から地上バイオマス(AGB)予測マップを構築する。
目的は、限られた量のagb in situ測定で訓練されたsar強度に基づく従来の回帰モデルを改善することである。
収集には費用がかかるが、空中レーザー走査(ALS)センサーのデータはAGBと高い相関関係にある。
そこで本研究では,ALSデータに基づくAGB予測をSARデータの応答変数として逐次モデリング方式で提案する。
これにより、トレーニングデータの量が劇的に増加する。
SAR強度とALS予測AGBの回帰関数をモデル化するために,条件付き生成逆数ネットワーク(cGAN)の利用を提案する。
Pix2Pix畳み込みニューラルネットワーク。
これにより、既存のALSベースの AGB 予測マップのレクリエーションが可能になる。
同じ領域で訓練された従来の非逐次回帰モデルから得られたALSベースのAGB予測に対して、生成したALSベースのAGB予測を質的かつ定量的に評価する。
その結果,提案アーキテクチャは実際のデータの特徴を捉えていることがわかった。
これは、ALS誘導生成モデルを使用することが、SAR強度からのAGB予測に有望な道であることを示唆している。
この領域に関するさらなる研究は、AGBの大規模かつ低コストな予測を提供する可能性を持っている。
関連論文リスト
- Improved Anomaly Detection through Conditional Latent Space VAE Ensembles [49.1574468325115]
条件付きラテント空間変分オートエンコーダ(CL-VAE)は、既知の不整形クラスと未知の不整形クラスを持つデータに対する異常検出のための前処理を改善した。
モデルでは異常検出の精度が向上し、MNISTデータセットで97.4%のAUCが達成された。
さらに、CL-VAEは、アンサンブルの利点、より解釈可能な潜在空間、モデルサイズに制限のある複雑なデータでパターンを学習する能力の増大を示す。
論文 参考訳（メタデータ） (2024-10-16T07:48:53Z) - OPUS: Occupancy Prediction Using a Sparse Set [64.60854562502523]
学習可能なクエリの集合を用いて、占有された場所とクラスを同時に予測するフレームワークを提案する。
OPUSには、モデルパフォーマンスを高めるための非自明な戦略が組み込まれている。
最も軽量なモデルではOcc3D-nuScenesデータセットの2倍 FPS に優れたRayIoUが得られる一方、最も重いモデルは6.1 RayIoUを上回ります。
論文 参考訳（メタデータ） (2024-09-14T07:44:22Z) - Application of Long-Short Term Memory and Convolutional Neural Networks for Real-Time Bridge Scour Prediction [0.0]
我々は,過去のセンサモニタリングデータに基づいて,橋脚周辺の深度変化を予測するために,ディープラーニングアルゴリズムの力を利用する。
本研究では,Long Short-Term Memory (LSTM) モデルとConvolutional Neural Network (CNN) モデルの性能について検討した。
論文 参考訳（メタデータ） (2024-04-25T12:04:36Z) - Predicting Gradient is Better: Exploring Self-Supervised Learning for SAR ATR with a Joint-Embedding Predictive Architecture [23.375515181854254]
SSL(Self-Supervised Learning)手法は,大規模未ラベルデータの事前学習を伴う様々なSAR自動ターゲット認識(ATR)タスクを実現する。
SSLはデータから直接監視信号を構築することを目的としている。
本研究では,SAR ATRの基盤モデル構築に有効なSSL方式について検討した。
論文 参考訳（メタデータ） (2023-11-26T01:05:55Z) - History Matching for Geological Carbon Storage using Data-Space
Inversion with Spatio-Temporal Data Parameterization [0.0]
データ空間インバージョン(DSI)では、履歴にマッチした興味の量は、後続のジオモデルを構築することなく直接推測される。
これは、ベイズの設定内でのO(1000)事前シミュレーション結果、データパラメータ化、および後続サンプリングのセットを用いて効率よく達成される。
新たなパラメータ化では、次元縮小のための対向オートエンコーダ(AAE)と畳み込み長短期メモリ(convLSTM)ネットワークを使用して、圧力場と飽和場の空間分布と時間的進化を表す。
論文 参考訳（メタデータ） (2023-10-05T00:50:06Z) - Forest Parameter Prediction by Multiobjective Deep Learning of
Regression Models Trained with Pseudo-Target Imputation [6.853936752111048]
リモートセンシングデータを用いた森林パラメータの予測において、回帰モデルは、伝統的に地上基準データの小さなサンプルに基づいて訓練されてきた。
本稿では, 擬似ターゲットとみなす既存の RS ベースの予測マップからのデータを用いて, この真の予測対象のサンプルをインプットする。
我々は、空中レーザー走査(ALS)データから構築された予測マップを用いて、正確な擬似ターゲットと、Sentinel-1のCバンド合成開口レーダ(SAR)のデータを回帰器として提供する。
論文 参考訳（メタデータ） (2023-06-19T18:10:47Z) - Prediction-Oriented Bayesian Active Learning [51.426960808684655]
予測情報ゲイン(EPIG)は、パラメータではなく予測空間における情報ゲインを測定する。
EPIGは、さまざまなデータセットやモデルにわたるBALDと比較して、予測パフォーマンスが向上する。
論文 参考訳（メタデータ） (2023-04-17T10:59:57Z) - LOPR: Latent Occupancy PRediction using Generative Models [49.15687400958916]
LiDARの生成した占有グリッドマップ(L-OGM)は、頑丈な鳥の視線シーンを表現している。
本稿では,学習空間内での表現学習と予測という,占有率予測を分離する枠組みを提案する。
論文 参考訳（メタデータ） (2022-10-03T22:04:00Z) - An advanced spatio-temporal convolutional recurrent neural network for
storm surge predictions [73.4962254843935]
本研究では, 人工ニューラルネットワークモデルを用いて, 嵐の軌跡/規模/強度履歴に基づいて, 強風をエミュレートする能力について検討する。
本研究では, 人工嵐シミュレーションのデータベースを用いて, 強風を予測できるニューラルネットワークモデルを提案する。
論文 参考訳（メタデータ） (2022-04-18T23:42:18Z) - Deep Gaussian Scale Mixture Prior for Spectral Compressive Imaging [48.34565372026196]
本稿では,ポストリア(MAP)推定フレームワークに基づく新しいHSI再構成手法を提案する。
また,深層畳み込みニューラルネットワーク(DCNN)によるGSMモデルの局所平均の推定も提案する。
論文 参考訳（メタデータ） (2021-03-12T08:57:06Z) - Deep Learning Methods for Vessel Trajectory Prediction based on
Recurrent Neural Networks [13.193080011901381]
エンコーダデコーダリカレントニューラルネットワーク(RNN)に基づくシーケンシャル・トゥ・シークエンス容器軌道予測モデルを提案する。
提案アーキテクチャは,シーケンスモデリングのためのLong Short-Term Memory (LSTM) RNNを組み合わせて観測データをエンコードし,異なる中間アグリゲーション層で将来の予測を生成し,シーケンシャルデータの時空間依存性をキャプチャする。
デンマーク海事局が自由に利用できるAISデータセットからの船舶軌道に関する実験結果は、シーケンシャル・トゥ・シークエンスニューラルネットワークに基づく軌道予測のための深層学習方法の有効性を示しています。
論文 参考訳（メタデータ） (2021-01-07T11:05:47Z)
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。