論文の概要: A hybrid convolutional neural network/active contour approach to segmenting dead trees in aerial imagery

• arxiv url: http://arxiv.org/abs/2112.02725v1
• Date: Mon, 6 Dec 2021 00:53:51 GMT
• ステータス: 処理完了
• システム内更新日: 2021-12-07 16:31:43.840188
• Title: A hybrid convolutional neural network/active contour approach to segmenting dead trees in aerial imagery
• Title（参考訳）: 空中画像における枯木分割のためのハイブリッド畳み込みニューラルネットワーク/能動輪郭アプローチ
• Authors: Jacquelyn A. Shelton, Przemyslaw Polewski, Wei Yao and Marco Heurich
• Abstract要約: 枯木は森林全体の健康の指標であり、森林生態系の3分の1の生物多様性を収容し、世界の炭素在庫の8%を構成している。 本稿では,既存の畳み込みニューラルネットワークと新しいアクティブな輪郭モデルを組み合わせたエネルギー最小化フレームワークを用いて,空中写真から死んだ木の正確な形状輪郭を構築する手法を提案する。
• 参考スコア（独自算出の注目度）: 0.5276232626689566
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: The stability and ability of an ecosystem to withstand climate change is directly linked to its biodiversity. Dead trees are a key indicator of overall forest health, housing one-third of forest ecosystem biodiversity, and constitute 8%of the global carbon stocks. They are decomposed by several natural factors, e.g. climate, insects and fungi. Accurate detection and modeling of dead wood mass is paramount to understanding forest ecology, the carbon cycle and decomposers. We present a novel method to construct precise shape contours of dead trees from aerial photographs by combining established convolutional neural networks with a novel active contour model in an energy minimization framework. Our approach yields superior performance accuracy over state-of-the-art in terms of precision, recall, and intersection over union of detected dead trees. This improved performance is essential to meet emerging challenges caused by climate change (and other man-made perturbations to the systems), particularly to monitor and estimate carbon stock decay rates, monitor forest health and biodiversity, and the overall effects of dead wood on and from climate change.
• Abstract（参考訳）: 生態系が気候変動に耐える安定性と能力は、その生物多様性に直接関係している。 枯木は森林全体の健康の指標であり、森林生態系の3分の1の生物多様性を収容し、世界の炭素在庫の8%を占めている。 気候、昆虫、菌類などいくつかの自然要因によって分解される。 森林生態, 炭素循環, 分解物質を理解するためには, 枯死木材の正確な検出とモデル化が重要である。 本稿では,既存の畳み込みニューラルネットワークと新しいアクティブな輪郭モデルを組み合わせたエネルギー最小化フレームワークを用いて,空中写真から死んだ木の正確な形状輪郭を構築する手法を提案する。 本手法は,検出された枯木の集合体上での精度,リコール,交点の観点から,最先端よりも優れた性能向上をもたらす。 この改良された性能は、気候変動(およびこれらシステムに対する他の人為的な摂動)による新たな課題に対処するために不可欠であり、特に炭素ストックの崩壊率の監視と推定、森林の健康と生物多様性の監視、および気候変動に対する死んだ木材の全体的影響に欠かせない。

関連論文リスト

• Tree semantic segmentation from aerial image time series [24.14827064108217]
  1年以上にわたる空中データセット画像を用いて,樹木のセマンティックセグメンテーションを行う。 単体画像で訓練したモデルと時系列で訓練したモデルを比較し,木表現学がセグメンテーション性能に与える影響を評価する。 樹種分類の階層構造を,種,属,高水準の3つのレベルで予測を洗練させるカスタム・ロス・ファンクションを取り入れることで活用する。
  論文  参考訳（メタデータ） (2024-07-18T02:19:57Z)
• Fine-tuning of Geospatial Foundation Models for Aboveground Biomass Estimation [2.3429628556845405]
  地上バイオマスを推定するための地理空間基盤モデルの微調整は、スクラッチから訓練されたU-Netに匹敵する性能を有する。 また、ブラジルの異なるエコリージョンのスパースラベルを用いた衛星画像の微調整により、モデルの伝達学習能力についても検討する。
  論文  参考訳（メタデータ） (2024-06-28T12:54:10Z)
• Why do Random Forests Work? Understanding Tree Ensembles as Self-Regularizing Adaptive Smoothers [68.76846801719095]
  統計学で広く普及している偏りと分散還元に対する現在の高次二分法は、木のアンサンブルを理解するには不十分である、と我々は主張する。 森林は、通常暗黙的に絡み合っている3つの異なるメカニズムによって、樹木を改良できることを示す。
  論文  参考訳（メタデータ） (2024-02-02T15:36:43Z)
• Comparing Data-Driven and Mechanistic Models for Predicting Phenology in Deciduous Broadleaf Forests [47.285748922842444]
  我々は、気象時系列から表現指標を予測するために、ディープニューラルネットワークを訓練する。 このアプローチは従来のプロセスベースのモデルよりも優れています。
  論文  参考訳（メタデータ） (2024-01-08T15:29:23Z)
• Climate-sensitive Urban Planning through Optimization of Tree Placements [55.11389516857789]
  気候変動は、熱波を含む多くの極端な気象事象の強度と頻度を増している。 最も有望な戦略の1つは、街路樹の恩恵を利用して歩行者レベルの環境を冷やすことである。 物理シミュレーションでは、樹木の放射的および熱的影響が人間の熱的快適性に与える影響を推定できるが、高い計算コストが生じる。 我々は,屋外の熱的快適さの駆動因子である点平均放射温度を,様々な時間スケールでシミュレーションするためにニューラルネットワークを用いた。
  論文  参考訳（メタデータ） (2023-10-09T13:07:23Z)
• ForensicsForest Family: A Series of Multi-scale Hierarchical Cascade Forests for Detecting GAN-generated Faces [53.739014757621376]
  我々は,GAN生成顔を検出するために,EmforensicsForest Familyと呼ばれる簡易かつ効果的な森林法について述べる。 ForenscisForestは、新しく提案された多層階層のカスケード林である。 Hybrid ForensicsForestはCNNレイヤをモデルに統合する。 Divide-and-Conquer ForensicsForestは、トレーニングサンプリングの一部のみを使用して、森林モデルを構築することができる。
  論文  参考訳（メタデータ） (2023-08-02T06:41:19Z)
• Neuroevolution-based Classifiers for Deforestation Detection in Tropical Forests [62.997667081978825]
  森林破壊や荒廃により、毎年何百万ヘクタールもの熱帯林が失われる。 監視・森林破壊検知プログラムは、犯罪者の予防・処罰のための公共政策に加えて、使用されている。 本稿では,熱帯林の森林破壊検出作業におけるニューロ進化技術(NEAT)に基づくパターン分類器の利用を提案する。
  論文  参考訳（メタデータ） (2022-08-23T16:04:12Z)
• Towards Generating Large Synthetic Phytoplankton Datasets for Efficient Monitoring of Harmful Algal Blooms [77.25251419910205]
  有害な藻類(HAB)は養殖農場で重大な魚死を引き起こす。 現在、有害藻や他の植物プランクトンを列挙する標準的な方法は、顕微鏡でそれらを手動で観察し数えることである。 合成画像の生成にはGAN(Generative Adversarial Networks)を用いる。
  論文  参考訳（メタデータ） (2022-08-03T20:15:55Z)
• Detecting Deforestation from Sentinel-1 Data in the Absence of Reliable Reference Data [3.222802562733787]
  信頼性のある基準データがない場合に森林破壊検出のための新しい手法を提案し,評価する。 この方法は、研究領域で96.5%の変化検出感度(生産者の精度)を実現する。 その結果, センチネル-1のデータは, 地球規模の森林破壊モニタリングのタイムラインを前進させる可能性が示唆された。
  論文  参考訳（メタデータ） (2022-05-24T15:08:02Z)
• Deep Learning based Automated Forest Health Diagnosis from Aerial Images [0.0]
  航空画像に基づく森林分析は、死んだ木や生きた木を早期に検出することができる。 本研究では,再訓練したMask RCNNアプローチを用いて,空中画像からの枯木自動検出のための新しいフレームワークを提案する。 画像中の枯れ木をラベル付けするために、枯れ木マスクの数を自動生成し、計算することができます。
  論文  参考訳（メタデータ） (2020-10-16T15:07:56Z)

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。