論文の概要: An Edge Map based Ensemble Solution to Detect Water Level in Stream
- arxiv url: http://arxiv.org/abs/2201.06098v1
- Date: Sun, 16 Jan 2022 17:43:12 GMT
- ステータス: 処理完了
- システム内更新日: 2022-01-21 10:36:36.086150
- Title: An Edge Map based Ensemble Solution to Detect Water Level in Stream
- Title（参考訳）: エッジマップに基づくストリーム中の水位検出のためのアンサンブルソリューション
- Authors: Pratool Bharti, Priyanjani Chandra, Michael. E. Papka and David Koop
- Abstract要約: 米国だけでも毎年、洪水で130ドル(約1万3000円)以上の死者が出ている。
我々は,クリークの水位を連続的に検出する効率的な視覚ベースアンサンブルソリューションを設計し,実装した。
提案されたソリューションは広範に正確であり、水面に追加のインフラを設置する必要はなく、容易に他の場所に適応できる。
- 参考スコア（独自算出の注目度）: 3.2308803546329137
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Flooding is one of the most dangerous weather events today. Between
$2015-2019$, on average, flooding has caused more than $130$ deaths every year
in the USA alone. The devastating nature of flood necessitates the continuous
monitoring of water level in the rivers and streams to detect the incoming
flood. In this work, we have designed and implemented an efficient vision-based
ensemble solution to continuously detect the water level in the creek. Our
solution adapts template matching algorithm to find the region of interest by
leveraging edge maps, and combines two parallel approach to identify the water
level. While first approach fits a linear regression model in edge map to
identify the water line, second approach uses a split sliding window to compute
the sum of squared difference in pixel intensities to find the water surface.
We evaluated the proposed system on $4306$ images collected between $3$rd
October and $18$th December in 2019 with the frequency of $1$ image in every
$10$ minutes. The system exhibited low error rate as it achieved $4.8$, $3.1\%$
and $0.92$ scores for MAE, MAPE and $R^2$ evaluation metrics, respectively. We
believe the proposed solution is very practical as it is pervasive, accurate,
doesn't require installation of any additional infrastructure in the water body
and can be easily adapted to other locations.
- Abstract（参考訳）: 洪水は今日最も危険な天候の1つである。
平均で2015-2019ドルの間、アメリカだけでも毎年130ドル(約1万3000円)以上の死者が出ている。
洪水の破壊的な性質は、洪水を検知するために河川や河川の水位を継続的に監視する必要がある。
本研究では,河川の水位を連続的に検出する効率的な視覚ベースアンサンブルソリューションの設計と実装を行った。
提案手法は,エッジマップを利用してテンプレートマッチングアルゴリズムを用いて関心領域を抽出し,水位同定に2つの並列アプローチを組み合わせる。
第1のアプローチはエッジマップの線形回帰モデルに適合し、水線を識別するが、第2のアプローチではスプリットスライディングウィンドウを使用して水面を求めるピクセル強度の2乗差の和を計算する。
提案システムは,2019年10月3日から12月18日までに収集された4,306ドルの画像に対して,10ドル毎の1ドル画像の頻度で評価した。
システムは、MAE、MAPE、R^2$の評価基準でそれぞれ$4.8$、$3.1\%、$0.92$を達成し、低いエラー率を示した。
提案手法は広く普及し,正確であり,水域に追加のインフラを設置する必要がなく,他の場所に容易に適用できるため,非常に実用的であると考えられる。
関連論文リスト
- A physics-guided neural network for flooding area detection using SAR imagery and local river gauge observations [0.0]
本研究では,洪水領域検出のための物理誘導型ニューラルネットワークを提案する。
提案手法は,インプットデータとして,センチネル1の時系列画像と,各画像に割り当てられた河川の水位を推定する。
提案手法の有効性を,デジタル地形モデルと光学衛星画像から得られた参照水マップと比較することにより,5つの研究領域で評価した。
論文 参考訳（メタデータ） (2024-10-11T14:13:06Z) - Portraying the Need for Temporal Data in Flood Detection via Sentinel-1 [5.380009458891537]
リモートセンシングデータの洪水被害地域を特定することは 地球観測において重要な問題です
世界中の多様なMMFloodデータセットをマルチ日付に拡張し、各洪水イベントに関するSentinel-1観測を1年間提供する。
本稿では,人気ビデオ変化検出器ViBeにインスパイアされた簡易な方法を提案する。
論文 参考訳（メタデータ） (2024-03-06T12:47:49Z) - Automated Floodwater Depth Estimation Using Large Multimodal Model for
Rapid Flood Mapping [0.0]
本稿では, 現場の洪水写真から洪水深度を推定するための, 自動的かつ高速なアプローチを提案する。
事前訓練された大型マルチモーダルモデルであるGPT-4 Visionは、特に洪水水を推定するために使用された。
その結果, 提案手法は, 洪水写真からの洪水深度を迅速かつ確実に推定できることを示した。
論文 参考訳（メタデータ） (2024-02-26T16:02:15Z) - WaterBench: Towards Holistic Evaluation of Watermarks for Large Language Models [48.19623266082828]
WaterBenchは、大規模言語モデル(LLM)における透かしの最初の包括的なベンチマークである。
LLM透かしの最初の総合的なベンチマークであるWaterBenchを紹介し、3つの重要な要素を設計する。
オープンソースの透かしを2ドル/2ドル/2ドル/2ドル/2ドル/2ドル/2ドル/2ドル/2ドル/2ドル/2ドル/2ドル/2ドル/2ドル/2ドル/2ドル/2ドル/2ドル/2ドル/2ドル/2ドル/2ドル/2ドル/2ドル/2ドル/2ドル/2ドル/3ドル/3ドル/3ドル/3ドル/3ドル/3ドル/3ドル/3ドル/3ドル/3ドル/3ドル/
論文 参考訳（メタデータ） (2023-11-13T08:09:01Z) - Can We Find Nash Equilibria at a Linear Rate in Markov Games? [95.10091348976779]
マルチプレイヤーゼロサム割引マルコフゲームにおける分散学習について検討した。
目標は、2つの特性を満たすエージェントのポリシー最適化アルゴリズムを設計することである。
論文 参考訳（メタデータ） (2023-03-03T02:40:26Z) - AdaPool: Exponential Adaptive Pooling for Information-Retaining
Downsampling [82.08631594071656]
畳み込み層は畳み込みニューラルネットワーク(CNN)の重要な構成要素である
適応的で指数関数的に重み付けされたアダプール法を提案する。
adaPoolは画像やビデオの分類やオブジェクト検出など,さまざまなタスクを通じて,ディテールの保存性の向上を実証する。
論文 参考訳（メタデータ） (2021-11-01T08:50:37Z) - A New Framework for Variance-Reduced Hamiltonian Monte Carlo [88.84622104944503]
分散還元型ハミルトン・モンテカルロ法 (HMC) の新たなフレームワークを提案し,$L$-smooth および $m$-strongly log-concave 分布からサンプリングする。
本研究では,SAGA法やSVRG法をベースとした非バイアス勾配推定器を用いて,バッチサイズを小さくすることで,高い勾配効率が得られることを示す。
総合的および実世界のベンチマークデータによる実験結果から、我々の新しいフレームワークは、完全な勾配と勾配HMCアプローチを著しく上回っていることが示された。
論文 参考訳（メタデータ） (2021-02-09T02:44:24Z) - Learning High Dimensional Wasserstein Geodesics [55.086626708837635]
高次元の2つの確率分布の間のワッサーシュタイン測地線を計算するための新しい定式化と学習戦略を提案する。
ラグランジュ乗算器の手法を最適輸送(OT)問題の動的定式化に適用することにより、サドル点がワッサーシュタイン測地線であるミニマックス問題を導出する。
次に、深層ニューラルネットワークによる関数のパラメータ化を行い、トレーニングのためのサンプルベースの双方向学習アルゴリズムを設計する。
論文 参考訳（メタデータ） (2021-02-05T04:25:28Z) - Pix2Streams: Dynamic Hydrology Maps from Satellite-LiDAR Fusion [1.0539847330971805]
現在の衛星のアプローチは、最も広いストリームのみをマップする月例観測に限られている。
毎日の海の完全な地図は、干ばつの発生場所を早期に知らせてくれる。
最新の高解像度センサデータを複数のディープラーニングモデルに供給し、これらのフローネットワークを毎日マップします。
論文 参考訳（メタデータ） (2020-11-15T17:14:28Z) - Water level prediction from social media images with a multi-task
ranking approach [0.0]
本稿では,洪水時のソーシャルメディア画像から水深を推定するコンピュータビジョンシステムを提案する。
本稿では,回帰学習とペアランキング損失の両方を用いてモデルを訓練するマルチタスク学習手法を提案する。
提案手法は,11cmの根平均平方誤差を持つ1つのクラウドソース画像から,水位を推定できることを示す。
論文 参考訳（メタデータ） (2020-07-14T00:51:29Z) - GeoDA: a geometric framework for black-box adversarial attacks [79.52980486689287]
我々は,最も困難なブラックボックス設定の1つにおいて,逆例を生成するためのフレームワークを提案する。
我々のフレームワークは、ディープネットワークの決定境界は通常、データサンプルの近傍で小さな平均曲率を持つという観察に基づいている。
論文 参考訳（メタデータ） (2020-03-13T20:03:01Z)
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。