論文の概要: Estimating Parameters of the Tree Root in Heterogeneous Soil Environments via Mask-Guided Multi-Polarimetric Integration Neural Network

• arxiv url: http://arxiv.org/abs/2112.13494v1
• Date: Mon, 27 Dec 2021 03:28:30 GMT
• ステータス: 処理完了
• システム内更新日: 2021-12-28 17:41:14.582126
• Title: Estimating Parameters of the Tree Root in Heterogeneous Soil Environments via Mask-Guided Multi-Polarimetric Integration Neural Network
• Title（参考訳）: マスク誘導型多極性統合ニューラルネットワークによる異種土壌環境における樹木根のパラメータ推定
• Authors: Hai-Han Sun, Yee Hui Lee, Qiqi Dai, Chongyi Li, Genevieve Ow, Mohamed Lokman Mohd Yusof, and Abdulkadir C. Yucel
• Abstract要約: 地中レーダ(GPR)は樹木根検査の非破壊ツールとして使用されている。 GPRレーダグラムから根関連パラメータを推定することは、根の健康モニタリングとイメージングを大いに促進する。 ルート反射は、複数のルートパラメータとルート配向の複雑な関数である。 マスク誘導型マルチポーラリメトリック統合ニューラルネットワーク(MMI-Net)と呼ばれる新しいニューラルネットワークアーキテクチャを提案し、複数のルート関連パラメータを自動的に同時に推定する。
• 参考スコア（独自算出の注目度）: 9.673288206580578
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Ground-penetrating radar (GPR) has been used as a non-destructive tool for tree root inspection. Estimating root-related parameters from GPR radargrams greatly facilitates root health monitoring and imaging. However, the task of estimating root-related parameters is challenging as the root reflection is a complex function of multiple root parameters and root orientations. Existing methods can only estimate a single root parameter at a time without considering the influence of other parameters and root orientations, resulting in limited estimation accuracy under different root conditions. In addition, soil heterogeneity introduces clutter in GPR radargrams, making the data processing and interpretation even harder. To address these issues, a novel neural network architecture, called mask-guided multi-polarimetric integration neural network (MMI-Net), is proposed to automatically and simultaneously estimate multiple root-related parameters in heterogeneous soil environments. The MMI-Net includes two sub-networks: a MaskNet that predicts a mask to highlight the root reflection area to eliminate interfering environmental clutter, and a ParaNet that uses the predicted mask as guidance to integrate, extract, and emphasize informative features in multi-polarimetric radargrams for accurate estimation of five key root-related parameters. The parameters include the root depth, diameter, relative permittivity, horizontal and vertical orientation angles. Experimental results demonstrate that the proposed MMI-Net achieves high estimation accuracy in these root-related parameters. This is the first work that takes the combined contributions of root parameters and spatial orientations into account and simultaneously estimates multiple root-related parameters. The data and code implemented in the paper can be found at https://haihan-sun.github.io/GPR.html.
• Abstract（参考訳）: 地中レーダ(GPR)は樹木根検査の非破壊ツールとして使用されている。 GPRレーダグラムから根関連パラメータを推定することは根の健康モニタリングとイメージングを大いに促進する。 しかし、ルート反射は複数のルートパラメータとルート配向の複雑な関数であるため、根関連パラメータを推定する作業は困難である。 既存の手法では、他のパラメータやルート方向の影響を考慮せずに、一度に1つのルートパラメータを推定できるため、異なるルート条件下での推定精度は限られている。 さらに、土壌の不均一性はGPRレーダグラムに乱れを導入し、データ処理と解釈をさらに困難にする。 これらの問題に対処するために、マスク誘導多極性統合ニューラルネットワーク(MMI-Net)と呼ばれる新しいニューラルネットワークアーキテクチャを提案し、異種土壌環境における複数のルート関連パラメータを自動かつ同時に推定する。 MMI-Netには2つのサブネットワークがある: マスクを予測してルート反射領域をハイライトし、干渉する環境クラッタを除去するMaskNetと、予測マスクをガイダンスとして使用して5つの主要なルート関連パラメータを正確に推定するマルチポーラリメトリックレーダグラムにおける情報的特徴の統合、抽出、強調するParaNetである。 パラメータには、根の深さ、直径、相対誘電率、水平方向および垂直方向角が含まれる。 MMI-Netはこれらのルート関連パラメータにおいて高い推定精度が得られることを示す。 これは、ルートパラメータと空間方向の結合寄与を考慮し、同時に複数のルート関連パラメータを推定する最初の仕事である。 この論文で実装されたデータとコードはhttps://haihan-sun.github.io/GPR.htmlで見ることができる。

関連論文リスト

• Tailoring the Hyperparameters of a Wide-Kernel Convolutional Neural Network to Fit Different Bearing Fault Vibration Datasets [0.10241134756773229]
  最先端のアルゴリズムは、健康な機械軸受や損傷を受けた機械軸受から発生する振動を識別するのにほぼ完璧であると報告されている。 しかし、新しいデータへの応用はどうだろう? 本稿では, 故障検出のためのニューラルネットワークが, 誤パラメータ化によって損なわれることを確認できる。
  論文  参考訳（メタデータ） (2024-11-19T09:17:13Z)
• Sparse deep neural networks for nonparametric estimation in high-dimensional sparse regression [4.983567824636051]
  本研究は、非パラメトリック推定とパラメトリックスパースディープニューラルネットワークを初めて組み合わせたものである。 偏微分の非パラメトリック推定は非線形変数選択にとって非常に重要であるため、現在の結果はディープニューラルネットワークの解釈可能性に有望な未来を示すものである。
  論文  参考訳（メタデータ） (2024-06-26T07:41:41Z)
• Masks, Signs, And Learning Rate Rewinding [21.245849787139655]
  反復的マグニチュード・プルーニング(IMP)の強力な変種としてLRR(Learning Rate Rewinding)が確立されている。 マスク学習とパラメータ最適化を両立させる実験を行った。 この仮説を支持するために、LRRがIMPよりも多くのケースで成功することを単純化された単一の隠れニューロン設定で証明する。
  論文  参考訳（メタデータ） (2024-02-29T15:32:02Z)
• Heterogenous Memory Augmented Neural Networks [84.29338268789684]
  ニューラルネットワークのための新しいヘテロジニアスメモリ拡張手法を提案する。 学習可能なメモリトークンをアテンション機構付きで導入することにより、膨大な計算オーバーヘッドを伴わずに性能を効果的に向上させることができる。 In-distriion (ID) と Out-of-distriion (OOD) の両方の条件下での様々な画像およびグラフベースのタスクに対するアプローチを示す。
  論文  参考訳（メタデータ） (2023-10-17T01:05:28Z)
• Deep Metric Learning for Unsupervised Remote Sensing Change Detection [60.89777029184023]
  リモートセンシング変化検出(RS-CD)は、マルチテンポラルリモートセンシング画像(MT-RSI)から関連する変化を検出することを目的とする。 既存のRS-CD法の性能は、大規模な注釈付きデータセットのトレーニングによるものである。 本稿では,これらの問題に対処可能なディープメトリック学習に基づく教師なしCD手法を提案する。
  論文  参考訳（メタデータ） (2023-03-16T17:52:45Z)
• Learning to Learn with Generative Models of Neural Network Checkpoints [71.06722933442956]
  ニューラルネットワークのチェックポイントのデータセットを構築し,パラメータの生成モデルをトレーニングする。 提案手法は,幅広い損失プロンプトに対するパラメータの生成に成功している。 我々は、教師付きおよび強化学習における異なるニューラルネットワークアーキテクチャとタスクに本手法を適用した。
  論文  参考訳（メタデータ） (2022-09-26T17:59:58Z)
• Dual Swin-Transformer based Mutual Interactive Network for RGB-D Salient Object Detection [67.33924278729903]
  本研究では,Dual Swin-Transformerを用いたMutual Interactive Networkを提案する。 視覚入力における長距離依存をモデル化するために,RGBと奥行きモードの両方の機能抽出器としてSwin-Transformerを採用している。 5つの標準RGB-D SODベンチマークデータセットに関する総合的な実験は、提案手法の優位性を実証している。
  論文  参考訳（メタデータ） (2022-06-07T08:35:41Z)
• Reconstruction of Sentinel-2 Time Series Using Robust Gaussian Mixture Models -- Application to the Detection of Anomalous Crop Development in wheat and rapeseed crops [14.849671539394272]
  データの欠落は、主にマルチスペクトル画像のクラウドカバレッジと取得の問題によって、リモートセンシングにおいて繰り返し発生する問題である。 マルチスペクトル画像から抽出したパーセルレベルの特徴を再構成するためのガウス混合モデル(GMM)を提案する。 また、Sentinel-1データを用いた合成開口レーダ(SAR)画像から抽出した付加的特徴を用いて補完情報を提供する。
  論文  参考訳（メタデータ） (2021-10-22T13:35:54Z)
• Understanding Overparameterization in Generative Adversarial Networks [56.57403335510056]
  generative adversarial network (gans) は、非凹型ミニマックス最適化問題を訓練するために用いられる。 ある理論は、グローバル最適解に対する勾配降下 (gd) の重要性を示している。 ニューラルネットワークジェネレータと線形判別器を併用した多層GANにおいて、GDAは、基礎となる非凹面min-max問題の大域的なサドル点に収束することを示す。
  論文  参考訳（メタデータ） (2021-04-12T16:23:37Z)
• An Artificial Intelligence System for Combined Fruit Detection and Georeferencing, Using RTK-Based Perspective Projection in Drone Imagery [0.0]
  この研究では、商業用果樹園の空中ドローン画像からリンゴを検出してカウントする人工知能(AI)システムを紹介します。 計算コストを低減するため、ネットワークの新たな前駆的段階は、個々の木の切り抜き画像に生画像を前処理するように設計されている。 ユニークな地理空間識別子は、遠近法投影モデルを用いてこれらに割り当てられる。 実験により、より高速なR-CNNの文献に見ることのないk平均クラスタリング手法が、校正されたmAPの最も重要な改善をもたらすことが示された。
  論文  参考訳（メタデータ） (2021-01-01T23:39:55Z)
• MRDet: A Multi-Head Network for Accurate Oriented Object Detection in Aerial Images [51.227489316673484]
  水平アンカーから変換された指向性提案を生成するために、任意指向領域提案ネットワーク(AO-RPN)を提案する。 正確なバウンディングボックスを得るために,検出タスクを複数のサブタスクに分離し,マルチヘッドネットワークを提案する。 各ヘッドは、対応するタスクに最適な特徴を学習するために特別に設計されており、ネットワークがオブジェクトを正確に検出することができる。
  論文  参考訳（メタデータ） (2020-12-24T06:36:48Z)

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。