論文の概要: CalCROP21: A Georeferenced multi-spectral dataset of Satellite Imagery
and Crop Labels
- arxiv url: http://arxiv.org/abs/2107.12499v1
- Date: Mon, 26 Jul 2021 22:20:16 GMT
- ステータス: 処理完了
- システム内更新日: 2021-07-29 03:39:42.710313
- Title: CalCROP21: A Georeferenced multi-spectral dataset of Satellite Imagery
and Crop Labels
- Title(参考訳): CalCROP21: 衛星画像とクロップラベルの地球基準多重スペクトルデータセット
- Authors: Rahul Ghosh, Praveen Ravirathinam, Xiaowei Jia, Ankush Khandelwal,
David Mulla, Vipin Kumar
- Abstract要約: アメリカ農務省(USDA)は毎年、アメリカ全土で30mの解像度で作物のラベルを含むCropland Data Layer(CDL)を発売している。
CalCROP21と呼ばれる新しいセマンティックセグメンテーションベンチマークデータセットを作成し、カリフォルニア州セントラルバレー地域の多種多様な作物を空間分解能10mで作成する。
- 参考スコア(独自算出の注目度): 20.951184753721503
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Mapping and monitoring crops is a key step towards sustainable
intensification of agriculture and addressing global food security. A dataset
like ImageNet that revolutionized computer vision applications can accelerate
development of novel crop mapping techniques. Currently, the United States
Department of Agriculture (USDA) annually releases the Cropland Data Layer
(CDL) which contains crop labels at 30m resolution for the entire United States
of America. While CDL is state of the art and is widely used for a number of
agricultural applications, it has a number of limitations (e.g., pixelated
errors, labels carried over from previous errors and absence of input imagery
along with class labels). In this work, we create a new semantic segmentation
benchmark dataset, which we call CalCROP21, for the diverse crops in the
Central Valley region of California at 10m spatial resolution using a Google
Earth Engine based robust image processing pipeline and a novel attention based
spatio-temporal semantic segmentation algorithm STATT. STATT uses re-sampled
(interpolated) CDL labels for training, but is able to generate a better
prediction than CDL by leveraging spatial and temporal patterns in Sentinel2
multi-spectral image series to effectively capture phenologic differences
amongst crops and uses attention to reduce the impact of clouds and other
atmospheric disturbances. We also present a comprehensive evaluation to show
that STATT has significantly better results when compared to the resampled CDL
labels. We have released the dataset and the processing pipeline code for
generating the benchmark dataset.
- Abstract(参考訳): 作物のマッピングとモニタリングは、持続可能な農業の強化と世界の食料安全保障への対処に向けた重要なステップである。
imagenetのようなコンピュータビジョンアプリケーション革命的なデータセットは、新しい作物マッピング技術の開発を加速することができる。
現在、アメリカ合衆国農務省(usda)は毎年、米国全体で30mの解像度で作物のラベルを含むクロップランドデータ層(cdl)をリリースしている。
CDLは最先端技術であり、多くの農業用途に広く利用されているが、いくつかの制限がある(例えば、ピクセルエラー、以前のエラーから受け継がれたラベル、およびクラスラベルと共に入力画像が存在しない)。
本研究では,Google Earth Engineをベースとしたロバスト画像処理パイプラインと,新しい注目度に基づく時空間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ックアルゴリズムSTATTを用いて,カリフォルニア中央バレー地域の多種多様な作物を空間分解能10mで検出する,新しい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ベンチマークデータセットを作成する。
STATTは、トレーニングに再サンプリングされた(補間された)CDLラベルを使用するが、Sentinel2マルチスペクトル画像シリーズの空間的および時間的パターンを利用して、作物間の現象的差異を効果的に把握し、雲やその他の大気障害の影響を減らすために注意を払って、CDLよりも優れた予測を生成することができる。
また,再サンプリングしたCDLラベルと比較して,STATTが有意に良好な結果を示した。
ベンチマークデータセットを生成するためのデータセットと処理パイプラインコードをリリースしました。
関連論文リスト
- AGSPNet: A framework for parcel-scale crop fine-grained semantic change
detection from UAV high-resolution imagery with agricultural geographic scene
constraints [1.9151076515142376]
本稿では,農業の地理的景観と農業用大規模制約付きSCDフレームワーク(AGSPNet)を提案する。
複雑な地理的景観における作物の複数の意味変化を包含する,農業モニタリング専用のUAV画像SCDデータセット(CSCD)を作成し,導入する。
以上の結果から,AGSPNet の収穫 SCD は,他の深層学習 SCD モデルよりも,量と品質の点で一貫して優れていた。
論文 参考訳(メタデータ) (2024-01-11T20:47:28Z) - FLAIR: a Country-Scale Land Cover Semantic Segmentation Dataset From
Multi-Source Optical Imagery [4.9687851703152806]
本稿では,フランス国立地理学林情報研究所 (IGN) の広範なデータセットであるFLAIR (Aerospace ImageRy) のフレンチランドカバーを紹介する。
FLAIRは、地上サンプル距離20cmの高解像度空中画像と、正確な土地被覆分類のための200億以上の個別ラベル付きピクセルを含んでいる。
このデータセットは、光学衛星時系列からの時間的・スペクトル的なデータも統合する。
論文 参考訳(メタデータ) (2023-10-20T07:55:12Z) - The Canadian Cropland Dataset: A New Land Cover Dataset for
Multitemporal Deep Learning Classification in Agriculture [0.8602553195689513]
カナディアン・クロップ・インベントリー (Canadian Annual Crop Inventory) から回収されたラベルで濃縮されたカナダの作物の時間的パッチベースのデータセット。
このデータセットは、4年間にわたって収集された10種類の作物から,78,536個の高解像度空間像を手作業で検証した。
ベンチマークとして,単一画像(ResNet,DenseNet,EfficientNet)や画像列(LRCN,3D-CNN)を同一位置から予測可能なモデルとソースコードを提供する。
論文 参考訳(メタデータ) (2023-05-31T18:40:15Z) - Agave crop segmentation and maturity classification with deep learning
data-centric strategies using very high-resolution satellite imagery [101.18253437732933]
超高解像度衛星画像を用いたAgave tequilana Weber azul crop segmentation and mature classificationを提案する。
実世界の深層学習問題を,作物の選別という非常に具体的な文脈で解決する。
結果として得られた正確なモデルにより、大規模地域で生産予測を行うことができる。
論文 参考訳(メタデータ) (2023-03-21T03:15:29Z) - Extended Agriculture-Vision: An Extension of a Large Aerial Image
Dataset for Agricultural Pattern Analysis [11.133807938044804]
農業ビジョンデータセットの改良版(Chiu et al., 2020b)をリリースする。
このデータセットは,3600大,高解像度(10cm/ピクセル),フルフィールド,赤緑色,近赤外画像の事前トレーニングにより拡張する。
下流分類とセマンティックセグメンテーションの両タスクにおいて、異なるコントラスト学習アプローチをベンチマークすることで、このデータの有用性を実証する。
論文 参考訳(メタデータ) (2023-03-04T17:35:24Z) - Navya3DSeg -- Navya 3D Semantic Segmentation Dataset & split generation
for autonomous vehicles [63.20765930558542]
3Dセマンティックデータは、障害物検出やエゴ-車両の局所化といった中核的な認識タスクに有用である。
そこで我々は,大規模生産段階の運用領域に対応する多様なラベル空間を持つ新しいデータセットであるNavala 3D(Navya3DSeg)を提案する。
ラベルのない23のラベル付きシーケンスと25の補足シーケンスが含まれており、ポイントクラウド上の自己教師付きおよび半教師付きセマンティックセマンティックセグメンテーションベンチマークを探索するために設計された。
論文 参考訳(メタデータ) (2023-02-16T13:41:19Z) - Satellite Image Time Series Analysis for Big Earth Observation Data [50.591267188664666]
本稿では,機械学習を用いた衛星画像時系列解析のためのオープンソースRパッケージである sit について述べる。
本手法は, Cerrado Biome のケーススタディにより, 土地利用と土地被覆マップの精度が高いことを示す。
論文 参考訳(メタデータ) (2022-04-24T15:23:25Z) - Revisiting Consistency Regularization for Semi-supervised Change
Detection in Remote Sensing Images [60.89777029184023]
教師付きクロスエントロピー(CE)損失に加えて、教師なしCD損失を定式化する半教師付きCDモデルを提案する。
2つの公開CDデータセットを用いて実験を行った結果,提案手法は教師付きCDの性能に近づきやすいことがわかった。
論文 参考訳(メタデータ) (2022-04-18T17:59:01Z) - Agricultural Plant Cataloging and Establishment of a Data Framework from
UAV-based Crop Images by Computer Vision [4.0382342610484425]
本稿では,UAVからの収穫画像の時間的・空間的識別と識別を自動化するための手動ワークフローを提案する。
提案手法は農業におけるUAVデータの分析と解釈を大幅に改善する。
論文 参考訳(メタデータ) (2022-01-08T21:14:07Z) - JHU-CROWD++: Large-Scale Crowd Counting Dataset and A Benchmark Method [92.15895515035795]
我々は、"4,372"イメージと"1.51万"アノテーションを含む、新しい大規模非制約クラウドカウントデータセット(JHU-CROWD++)を導入する。
本稿では, 残差誤差推定により, 群集密度マップを段階的に生成する新しい群集カウントネットワークを提案する。
論文 参考訳(メタデータ) (2020-04-07T14:59:35Z) - A U-Net Based Discriminator for Generative Adversarial Networks [86.67102929147592]
GAN(Generative Adversarial Network)のための代替U-Netベースの識別器アーキテクチャを提案する。
提案アーキテクチャにより,合成画像のグローバルコヒーレンスを維持しつつ,画素単位の詳細なフィードバックを生成元に提供することができる。
斬新な判別器は、標準分布と画像品質の指標の観点から、最先端の技術を向上する。
論文 参考訳(メタデータ) (2020-02-28T11:16:54Z)
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。