論文の概要: Detecting Extratropical Cyclones of the Northern Hemisphere with Single
Shot Detector
- arxiv url: http://arxiv.org/abs/2112.01283v1
- Date: Wed, 1 Dec 2021 00:46:37 GMT
- ステータス: 処理完了
- システム内更新日: 2021-12-03 15:00:42.245373
- Title: Detecting Extratropical Cyclones of the Northern Hemisphere with Single
Shot Detector
- Title（参考訳）: 単一ショット検出器による北半球の熱帯外サイクロンの検出
- Authors: Minjing Shi, Pengfei He, Yuli Shi
- Abstract要約: 我々は,北半球の熱帯圏外サイクロン(ETC)を検出するための深層学習モデルを提案する。
最初に、Bonfantiらによるアプローチを適用することで、サイクロン中心にラベルを付ける。
次に、データセット内の画像のラベル付けと事前処理のフレームワークを提案する。
- 参考スコア（独自算出の注目度）: 1.4502611532302039
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: In this paper, we propose a deep learning-based model to detect extratropical
cyclones (ETCs) of northern hemisphere, while developing a novel workflow of
processing images and generating labels for ETCs. We first label the cyclone
center by adapting an approach from Bonfanti et.al. [1] and set up criteria of
labeling ETCs of three categories: developing, mature, and declining stages. We
then propose a framework of labeling and preprocessing the images in our
dataset. Once the images and labels are ready to serve as inputs, we create our
object detection model named Single Shot Detector (SSD) to fit the format of
our dataset. We train and evaluate our model with our labeled dataset on two
settings (binary and multiclass classifications), while keeping a record of the
results. Finally, we achieved relatively high performance with detecting ETCs
of mature stage (mean Average Precision is 86.64%), and an acceptable result
for detecting ETCs of all three categories (mean Average Precision 79.34%). We
conclude that the single-shot detector model can succeed in detecting ETCs of
different stages, and it has demonstrated great potential in the future
applications of ETC detection in other relevant settings.
- Abstract（参考訳）: 本論文では,北半球の熱帯圏外サイクロン(ETC)を検出するための深層学習モデルを提案する。
最初に、Bonfantiらによるアプローチを適用することで、サイクロン中心にラベルを付ける。
[1], 発達段階, 成熟段階, 衰退段階の3つのカテゴリーのETCのラベル付け基準を設定した。
次に,データセット内の画像のラベル付けと前処理のフレームワークを提案する。
イメージとラベルが入力として機能する準備ができたら、データセットのフォーマットに適合するように、Single Shot Detector(SSD)というオブジェクト検出モデルを作成します。
結果の記録を維持しつつ、2つの設定(バイナリとマルチクラス)でラベル付きデータセットでモデルをトレーニングし、評価します。
最後に, 成熟段階のetesの検出(平均精度86.64%)と3つのカテゴリのetesの検出(平均精度79.34%)において, 比較的高い性能を達成した。
単発検出モデルは異なる段階のETCの検出に成功し、他の関連する環境におけるETC検出の将来の応用に大きな可能性を示した。
関連論文リスト
- Self-supervised co-salient object detection via feature correspondence at multiple scales [27.664016341526988]
本稿では,画像群における2段階の自己教師型手法を用いて,セグメンテーションアノテーションを必要とせず,共起性有色物体(CoSOD)を検出する手法を提案する。
我々は、画像間の局所パッチレベルの特徴対応を計算し、コサレント領域を検出する自己教師ネットワークを訓練する。
3つのCoSODベンチマークデータセットの実験では、我々のモデルは、対応する最先端モデルよりも大きなマージンで優れています。
論文 参考訳（メタデータ） (2024-03-17T06:21:21Z) - Spanning Training Progress: Temporal Dual-Depth Scoring (TDDS) for Enhanced Dataset Pruning [50.809769498312434]
我々は、時間的デュアルディープス・スコーリング(TDDS)と呼ばれる新しいデータセット・プルーニング手法を提案する。
本手法は,10%のトレーニングデータで54.51%の精度を達成し,ランダム選択を7.83%以上,他の比較手法を12.69%以上上回る結果を得た。
論文 参考訳（メタデータ） (2023-11-22T03:45:30Z) - Domain Adaptive Synapse Detection with Weak Point Annotations [63.97144211520869]
弱点アノテーションを用いたドメイン適応型シナプス検出のためのフレームワークであるAdaSynを提案する。
I SBI 2023のWASPSYNチャレンジでは、我々の手法が第1位にランクインした。
論文 参考訳（メタデータ） (2023-08-31T05:05:53Z) - An Ensemble Machine Learning Approach for Tropical Cyclone Detection
Using ERA5 Reanalysis Data [0.0]
熱帯サイクロン(TC)は、自然界で見られる最も破壊的な現象の1つである。
伝統的に、TCは決定論的追跡スキームを用いて、大規模な気候データセットで特定されてきた。
本研究は,TC中心座標の位置決定のための機械学習アンサンブル手法を提案する。
論文 参考訳（メタデータ） (2023-06-07T22:26:50Z) - Enhancing Self-Supervised Learning for Remote Sensing with Elevation
Data: A Case Study with Scarce And High Level Semantic Labels [1.534667887016089]
本研究は、地球観測下流タスクに適用された事前学習モデルに対する、教師なしと教師なしのハイブリッド学習手法を提案する。
我々は、事前訓練モデルに対する対照的なアプローチと画素単位の回帰事前テキストタスクを組み合わせることで、粗い標高マップを予測する。
論文 参考訳（メタデータ） (2023-04-13T23:01:11Z) - Revisiting the Evaluation of Image Synthesis with GANs [55.72247435112475]
本研究では, 合成性能の評価に関する実証的研究を行い, 生成モデルの代表としてGAN(Generative Adversarial Network)を用いた。
特に、表現空間におけるデータポイントの表現方法、選択したサンプルを用いた公平距離の計算方法、各集合から使用可能なインスタンス数など、さまざまな要素の詳細な分析を行う。
論文 参考訳（メタデータ） (2023-04-04T17:54:32Z) - U-Flow: A U-shaped Normalizing Flow for Anomaly Detection with Unsupervised Threshold [0.40964539027092906]
画像中の異常セグメンテーションのための一級自己教師方式を提案する。
現代の機械学習アプローチと、より古典的な統計的検出理論の恩恵を受けている。
提案手法は、すべてのメトリクスとすべてのデータセットに対して最先端の結果を生成する。
論文 参考訳（メタデータ） (2022-11-22T15:43:19Z) - 3DIoUMatch: Leveraging IoU Prediction for Semi-Supervised 3D Object
Detection [76.42897462051067]
3DIoUMatchは屋内および屋外の場面両方に適当3D目的の検出のための新しい半監視された方法です。
教師と教師の相互学習の枠組みを活用し,ラベル付けされていない列車の情報を擬似ラベルの形で伝達する。
本手法は,ScanNetとSUN-RGBDのベンチマークにおける最先端の手法を,全てのラベル比で有意差で継続的に改善する。
論文 参考訳（メタデータ） (2020-12-08T11:06:26Z) - 3DSSD: Point-based 3D Single Stage Object Detector [61.67928229961813]
本稿では,3DSSDと命名された点ベース3次元単段物体検出器を提案し,精度と効率のバランスが良好であることを示す。
提案手法は,最先端のボクセルをベースとした一段法を大差で上回り,二段法に匹敵する性能を有する。
論文 参考訳（メタデータ） (2020-02-24T12:01:58Z) - EHSOD: CAM-Guided End-to-end Hybrid-Supervised Object Detection with
Cascade Refinement [53.69674636044927]
本稿では,エンド・ツー・エンドのハイブリッド型オブジェクト検出システムであるEHSODについて述べる。
完全なアノテートと弱いアノテートの両方で、ワンショットでトレーニングすることができる。
完全なアノテートされたデータの30%しか持たない複数のオブジェクト検出ベンチマークで、同等の結果が得られる。
論文 参考訳（メタデータ） (2020-02-18T08:04:58Z)
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。