論文の概要: Automated Remote Sensing Forest Inventory Using Satelite Imagery

• arxiv url: http://arxiv.org/abs/2110.08590v1
• Date: Sat, 16 Oct 2021 15:24:12 GMT
• ステータス: 処理完了
• システム内更新日: 2021-10-21 11:52:35.699670
• Title: Automated Remote Sensing Forest Inventory Using Satelite Imagery
• Title（参考訳）: 衛星画像を用いたリモートセンシング林業の自動化
• Authors: Abduragim Shtanchaev, Artur Bille, Olga Sutyrina, Sara Elelimy
• Abstract要約: オートエンコーダが生成したツリークラウンの埋め込みを,従来の機械学習アルゴリズムをトレーニングするためのデータセットとして使用しています。 我々は、従来の畳み込みニューラルネットワーク(CNN)のエンドツーエンド分類器に対して、オートエンコーダ(AE)ベースのアプローチを比較した。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: For many countries like Russia, Canada, or the USA, a robust and detailed tree species inventory is essential to manage their forests sustainably. Since one can not apply unmanned aerial vehicle (UAV) imagery-based approaches to large-scale forest inventory applications, the utilization of machine learning algorithms on satellite imagery is a rising topic of research. Although satellite imagery quality is relatively low, additional spectral channels provide a sufficient amount of information for tree crown classification tasks. Assuming that tree crowns are detected already, we use embeddings of tree crowns generated by Autoencoders as a data set to train classical Machine Learning algorithms. We compare our Autoencoder (AE) based approach to traditional convolutional neural networks (CNN) end-to-end classifiers.
• Abstract（参考訳）: ロシア、カナダ、アメリカのような多くの国では、森林を持続的に管理するために、頑丈で詳細な樹木種の在庫が不可欠である。 大規模森林目録への適用には無人航空機(uav)画像に基づくアプローチは適用できないため,衛星画像における機械学習アルゴリズムの利用が注目されている。 衛星画像の品質は比較的低いが、追加のスペクトルチャネルは樹冠分類タスクに十分な情報を提供する。 ツリークラウンが既に検出されていると仮定すると、オートエンコーダが生成したツリークラウンの埋め込みを、古典的な機械学習アルゴリズムを訓練するためのデータセットとして使用する。 我々は、従来の畳み込みニューラルネットワーク(CNN)のエンドツーエンド分類器に対するオートエンコーダ(AE)ベースのアプローチを比較した。

関連論文リスト

• NeRF-Accelerated Ecological Monitoring in Mixed-Evergreen Redwood Forest [0.0]
  混合常緑樹林における幹径推定を目的としたMLSとNeRF林の復元の比較を行った。 凸ハルモデルを用いた改良DBH推定法を提案する。
  論文  参考訳（メタデータ） (2024-10-09T20:32:15Z)
• Lidar-based Norwegian tree species detection using deep learning [0.36651088217486427]
  本稿では,ライダーデータのみを用いた深層学習に基づく木種分類モデルを提案する。 このモデルは、部分的な弱いラベルに対する焦点損失で訓練される。 本モデルでは,独立検証におけるマクロ平均F1スコア0.70を達成する。
  論文  参考訳（メタデータ） (2023-11-10T14:01:05Z)
• TreeFormer: a Semi-Supervised Transformer-based Framework for Tree Counting from a Single High Resolution Image [6.789370732159176]
  単一空中・衛星画像を用いた木密度推定と推定は,光度測定とリモートセンシングにおいて難しい課題である。 リモートセンシング画像に対する高価なツリーアノテーションを低減させる,ツリーカウントのための最初の半教師付きトランスフォーマーベースのフレームワークを提案する。 我々のモデルは、JiosuとYosemiteという2つのベンチマークツリーカウントデータセットと、彼ら自身が作成した新しいデータセットKCL-Londonで評価された。
  論文  参考訳（メタデータ） (2023-07-12T12:19:36Z)
• Energy-Based Models for Cross-Modal Localization using Convolutional Transformers [52.27061799824835]
  GPSのない衛星画像に対して、距離センサを搭載した地上車両を位置決めする新しい枠組みを提案する。 本稿では, 畳み込み変換器を用いて, 高精度な計量レベルの局所化を行う手法を提案する。 我々は、エンドツーエンドでモデルをトレーニングし、KITTI、Pandaset、カスタムデータセットの最先端技術よりも高い精度でアプローチを実証する。
  論文  参考訳（メタデータ） (2023-06-06T21:27:08Z)
• Deep Learning Computer Vision Algorithms for Real-time UAVs On-board Camera Image Processing [77.34726150561087]
  本稿では,ディープラーニングに基づくコンピュータビジョンアルゴリズムを用いて,小型UAVのリアルタイムセンサ処理を実現する方法について述べる。 すべてのアルゴリズムは、ディープニューラルネットワークに基づく最先端の画像処理手法を用いて開発されている。
  論文  参考訳（メタデータ） (2022-11-02T11:10:42Z)
• SAR Despeckling Using Overcomplete Convolutional Networks [53.99620005035804]
  スペックルはSAR画像を劣化させるため、リモートセンシングにおいて重要な問題である。 近年の研究では、畳み込みニューラルネットワーク(CNN)が古典的解法よりも優れていることが示されている。 本研究は、受容場を制限することで低レベルの特徴を学習することに集中するために、過剰なCNNアーキテクチャを用いる。 本稿では,合成および実SAR画像の非特定化手法と比較して,提案手法により非特定化性能が向上することを示す。
  論文  参考訳（メタデータ） (2022-05-31T15:55:37Z)
• Development of Automatic Tree Counting Software from UAV Based Aerial Images With Machine Learning [0.0]
  本研究の目的は,UAVによる高解像度画像から,シルト大学キャンパスの指定領域の樹木を自動カウントすることである。 Adobe Photoshopのフォトマージツールを使って、高さ30mで20%オーバーラップした画像を地上局でオフラインで縫い付けました。
  論文  参考訳（メタデータ） (2022-01-07T22:32:08Z)
• DeepSatData: Building large scale datasets of satellite images for training machine learning models [77.17638664503215]
  本稿では,機械学習モデルの学習のための衛星画像データセットの自動生成のための設計検討を行う。 本稿では,ニューラルネットワークの深層学習と評価の観点から直面する課題について論じる。
  論文  参考訳（メタデータ） (2021-04-28T15:13:12Z)
• Learning CNN filters from user-drawn image markers for coconut-tree image classification [78.42152902652215]
  本稿では,CNNの特徴抽出器を訓練するために,最小限のユーザ選択画像を必要とする手法を提案する。 本手法は,クラスを識別する画像領域のユーザ描画マーカーから,各畳み込み層のフィルタを学習する。 バックプロパゲーションに基づく最適化には依存せず、ココナッツツリー空中画像のバイナリ分類にその利点を実証する。
  論文  参考訳（メタデータ） (2020-08-08T15:50:23Z)
• MurTree: Optimal Classification Trees via Dynamic Programming and Search [61.817059565926336]
  動的プログラミングと探索に基づいて最適な分類木を学習するための新しいアルゴリズムを提案する。 当社のアプローチでは,最先端技術が必要とする時間のごく一部しか使用せず,数万のインスタンスでデータセットを処理することが可能です。
  論文  参考訳（メタデータ） (2020-07-24T17:06:55Z)
• Deep-Learning-based Automated Palm Tree Counting and Geolocation in Large Farms from Aerial Geotagged Images [1.8782750537161614]
  畳み込みニューラルネットワークを用いた空中画像からヤシの木の自動カウントと位置決めのためのフレームワークを提案する。 この目的のために、サウジアラビアのリヤドにあるハルジュ地区のヤシの木農場で、DJIドローンを用いて空中画像を収集した。
  論文  参考訳（メタデータ） (2020-05-11T17:11:49Z)

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。