論文の概要: Individual Tree Detection and Crown Delineation with 3D Information from Multi-view Satellite Images

• arxiv url: http://arxiv.org/abs/2107.00592v1
• Date: Thu, 1 Jul 2021 16:28:43 GMT
• ステータス: 処理完了
• システム内更新日: 2021-07-02 13:43:28.727264
• Title: Individual Tree Detection and Crown Delineation with 3D Information from Multi-view Satellite Images
• Title（参考訳）: 多視点衛星画像からの3次元情報を用いた樹冠検出とクラウン行列
• Authors: Changlin Xiao, Rongjun Qin, Xiao Xie, Xu Huang
• Abstract要約: 森林在庫管理において,個々の樹冠検出とクラウンデライン化(ITDD)が重要である。 マルチビュー衛星データから導出した直視・デジタル表面モデル(DSM)を用いたITDD手法を提案する。 3つの代表地域における手作業による植樹試験の結果,有望な結果が得られた。
• 参考スコア（独自算出の注目度）: 5.185018253122575
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Individual tree detection and crown delineation (ITDD) are critical in forest inventory management and remote sensing based forest surveys are largely carried out through satellite images. However, most of these surveys only use 2D spectral information which normally has not enough clues for ITDD. To fully explore the satellite images, we propose a ITDD method using the orthophoto and digital surface model (DSM) derived from the multi-view satellite data. Our algorithm utilizes the top-hat morphological operation to efficiently extract the local maxima from DSM as treetops, and then feed them to a modi-fied superpixel segmentation that combines both 2D and 3D information for tree crown delineation. In subsequent steps, our method incorporates the biological characteristics of the crowns through plant allometric equation to falsify potential outliers. Experiments against manually marked tree plots on three representative regions have demonstrated promising results - the best overall detection accuracy can be 89%.
• Abstract（参考訳）: 森林在庫管理には個別の樹木検出・クラウンデライン化(ITDD)が重要であり,リモートセンシングに基づく森林調査は主に衛星画像によって行われている。 しかし、これらの調査のほとんどは、2Dのスペクトル情報しか使っていません。 衛星画像の完全探索のために,多視点衛星データから得られた直視・デジタル表面モデル(DSM)を用いたITDD手法を提案する。 本アルゴリズムは,DSMから局所的な最大値をツリートップとして効率的に抽出し,ツリークラウンの2次元情報と3次元情報を組み合わせた2次元スーパーピクセルセグメンテーションに供給する。 その後のステップでは, 樹冠の生物学的特性を植物アロメトリー式に組み込んで, 潜在異常値の偽造を行う。 3つの代表的な領域で手動でマークされた木プロットに対する実験では、最高の検出精度が89%である有望な結果が得られた。

関連論文リスト

• Tree Species Classification using Machine Learning and 3D Tomographic SAR -- a case study in Northern Europe [0.0]
  樹木種の分類は、自然保護、森林在庫、森林管理、絶滅危惧種の保護において重要な役割を担っている。 本研究では,SLC(Single-look Complex)画像のスタックを利用した3次元トモグラフィーデータセットであるTtomoSenseを用いた。
  論文  参考訳（メタデータ） (2024-11-19T22:25:26Z)
• Tree Counting by Bridging 3D Point Clouds with Imagery [31.02816235514385]
  2次元リモートセンシング画像は、主に高層キャノピーを示すが、密集したキャノピーを持つ地域では、個々の木の分化が容易ではない。 我々は,3次元LiDAR測定と2次元画像の融合を利用して,正確な木数計測を行う。 我々は,3次元空中LiDARデータと2次元画像を用いて,森林内の木を数える深層学習手法の比較を行った。
  論文  参考訳（メタデータ） (2024-03-04T11:02:17Z)
• SegmentAnyTree: A sensor and platform agnostic deep learning model for tree segmentation using laser scanning data [15.438892555484616]
  本研究は,様々なレーザー走査型に適用可能な深層学習モデルを用いて,ライダーデータにおけるツリークラウン(ITC)セグメンテーションを推し進める。 3次元森林景観解析におけるデータ特性の相違による伝達可能性の課題に対処する。 PointGroupアーキテクチャに基づくこのモデルは、セマンティックとインスタンスセグメンテーションのための別々のヘッドを持つ3D CNNである。
  論文  参考訳（メタデータ） (2024-01-28T19:47:17Z)
• GraphCSPN: Geometry-Aware Depth Completion via Dynamic GCNs [49.55919802779889]
  本稿では,グラフ畳み込みに基づく空間伝搬ネットワーク(GraphCSPN)を提案する。 本研究では、幾何学的表現学習において、畳み込みニューラルネットワークとグラフニューラルネットワークを相補的に活用する。 提案手法は,数段の伝搬ステップのみを使用する場合と比較して,最先端の性能を実現する。
  論文  参考訳（メタデータ） (2022-10-19T17:56:03Z)
• Semantic Segmentation of Fruits on Multi-sensor Fused Data in Natural Orchards [5.733573598657243]
  本稿では,LiDAR-Camera視覚センサからの融合データに対して,高精度なセマンティックセマンティックセマンティックセマンティクスを実現するための深層学習に基づくセマンティクス手法を提案する。 実験では,リンゴ果樹園から取得した高度に非構造的でノイズの多い点群を扱う際のネットワーク構成を網羅的に解析した。 実験の結果,提案手法は実際の果樹園環境において正確なセグメンテーションを行うことができることがわかった。
  論文  参考訳（メタデータ） (2022-08-04T06:17:07Z)
• Multi-Layer Modeling of Dense Vegetation from Aerial LiDAR Scans [4.129847064263057]
  私たちはWildForest3Dをリリースしました。これは29の研究プロットと47000m2にまたがる2000以上の個々の木で構成されています。 本稿では,3次元ポイントワイドラベルと高分解能占有メッシュを同時に同時に予測する3次元ディープネットワークアーキテクチャを提案する。
  論文  参考訳（メタデータ） (2022-04-25T12:47:05Z)
• Two-Stream Graph Convolutional Network for Intra-oral Scanner Image Segmentation [133.02190910009384]
  本稿では,2ストリームグラフ畳み込みネットワーク(TSGCN)を提案する。 TSGCNは3次元歯(表面)セグメンテーションにおいて最先端の方法よりも優れています。
  論文  参考訳（メタデータ） (2022-04-19T10:41:09Z)
• TSGCNet: Discriminative Geometric Feature Learning with Two-Stream GraphConvolutional Network for 3D Dental Model Segmentation [141.2690520327948]
  2流グラフ畳み込みネットワーク(TSGCNet)を提案し、異なる幾何学的特性から多視点情報を学ぶ。 3次元口腔内スキャナーで得られた歯科モデルのリアルタイムデータセットを用いてTSGCNetの評価を行った。
  論文  参考訳（メタデータ） (2020-12-26T08:02:56Z)
• Cross-Modality 3D Object Detection [63.29935886648709]
  本稿では,3次元物体検出のための新しい2段階多モード融合ネットワークを提案する。 アーキテクチャ全体が2段階の融合を促進する。 KITTIデータセットを用いた実験により,提案したマルチステージ融合により,ネットワークがより良い表現を学習できることが示唆された。
  論文  参考訳（メタデータ） (2020-08-16T11:01:20Z)
• Campus3D: A Photogrammetry Point Cloud Benchmark for Hierarchical Understanding of Outdoor Scene [76.4183572058063]
  複数の屋外シーン理解タスクに対して,リッチな注釈付き3Dポイントクラウドデータセットを提案する。 データセットは階層型ラベルとインスタンスベースのラベルの両方でポイントワイズアノテートされている。 本稿では,3次元点雲分割のための階層的学習問題を定式化し,様々な階層間の整合性を評価することを提案する。
  論文  参考訳（メタデータ） (2020-08-11T19:10:32Z)
• Structured Landmark Detection via Topology-Adapting Deep Graph Learning [75.20602712947016]
  解剖学的顔と医学的ランドマーク検出のための新しいトポロジ適応深層グラフ学習手法を提案する。 提案手法は局所像特徴と大域形状特徴の両方を利用するグラフ信号を構成する。 3つの公開顔画像データセット(WFLW、300W、COFW-68)と3つの現実世界のX線医学データセット(ケパロメトリ、ハンド、ペルビス)で実験を行った。
  論文  参考訳（メタデータ） (2020-04-17T11:55:03Z)

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。