論文の概要: AiTLAS: Artificial Intelligence Toolbox for Earth Observation
- arxiv url: http://arxiv.org/abs/2201.08789v1
- Date: Fri, 21 Jan 2022 17:10:14 GMT
- ステータス: 処理完了
- システム内更新日: 2022-01-24 15:12:05.525899
- Title: AiTLAS: Artificial Intelligence Toolbox for Earth Observation
- Title(参考訳): AiTLAS:地球観測のための人工知能ツールボックス
- Authors: Ivica Dimitrovski and Ivan Kitanovski and Pan\v{c}e Panov and Nikola
Simidjievski and Dragi Kocev
- Abstract要約: AiTLASには、衛星画像の探索的および予測分析のための最先端の機械学習方法が含まれている。
土地利用や被覆分類、作物の種類予測、特定の対象の局所化など、地球観測の様々なタスクに容易に適用できる。
- 参考スコア(独自算出の注目度): 8.675678723861084
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: The AiTLAS toolbox (Artificial Intelligence Toolbox for Earth Observation)
includes state-of-the-art machine learning methods for exploratory and
predictive analysis of satellite imagery as well as repository of AI-ready
Earth Observation (EO) datasets. It can be easily applied for a variety of
Earth Observation tasks, such as land use and cover classification, crop type
prediction, localization of specific objects (semantic segmentation), etc. The
main goal of AiTLAS is to facilitate better usability and adoption of novel AI
methods (and models) by EO experts, while offering easy access and standardized
format of EO datasets to AI experts which further allows benchmarking of
various existing and novel AI methods tailored for EO data.
- Abstract(参考訳): AiTLASツールボックス(Artificial Intelligence Toolbox for Earth Observation)は、衛星画像の探索および予測分析のための最先端の機械学習手法と、AI対応地球観測(EO)データセットのリポジトリを含む。
土地利用や被覆分類、作物の種類予測、特定の対象の局所化(セマンティックセグメンテーション)など、さまざまな地球観測タスクに容易に適用できる。
AiTLASの主な目標は、EOの専門家による新しいAIメソッド(とモデル)のユーザビリティ向上と採用を促進すると同時に、EOデータセットの容易なアクセスと標準化されたフォーマットをAI専門家に提供することで、EOデータに適した、さまざまな既存および新しいAIメソッドのベンチマークを可能にすることだ。
関連論文リスト
- Are You Being Tracked? Discover the Power of Zero-Shot Trajectory
Tracing with LLMs! [3.844253028598048]
LLMTrackは、ゼロショット軌道認識にLLMをどのように活用できるかを示すモデルである。
本研究では,屋内シナリオと屋外シナリオを特徴とする異なる軌跡を用いて,現実のデータセットを用いてモデルを評価した。
論文 参考訳(メタデータ) (2024-03-10T12:50:35Z) - Artificial intelligence to advance Earth observation: a perspective [56.13510552915079]
本稿では、生のEOデータから使用可能なEOベースの情報への移行を通知し、支援する、重要な科学的ツールとアプローチについて、鳥の視点で説明する。
i)コンピュータビジョン, (ii) 機械学習, (iii) 高度な処理とコンピューティング, (iv) 知識ベースAI, (v) 説明可能なAIと因果推論, (vi) 物理認識モデル, (vii) ユーザ中心のアプローチ, (viii) EOにおけるML技術の大量使用に関する倫理的・社会的問題に関する議論の議論を網羅する。
論文 参考訳(メタデータ) (2023-05-15T07:47:24Z) - Planning for Learning Object Properties [117.27898922118946]
我々は、物体特性を象徴的な計画問題として認識するために、ニューラルネットワークを自動的に訓練する問題を定式化する。
トレーニングデータセット作成と学習プロセスを自動化するための戦略を作成するために,計画手法を使用します。
シミュレーションと実環境の両方で実験的な評価を行う。
論文 参考訳(メタデータ) (2023-01-15T09:37:55Z) - Symbolic Knowledge Extraction from Opaque Predictors Applied to
Cosmic-Ray Data Gathered with LISA Pathfinder [0.0]
不透明な機械学習モデルの印象的な予測性能と人間の理解不能な予測説明を組み合わせるために、いくつかのテクニックが存在する。
本稿では,LISAパスファインダー宇宙ミッションで収集した宇宙線データを再生可能なアンサンブル予測器に適用した異なる知識抽出器の結果を報告する。
論文 参考訳(メタデータ) (2022-09-10T15:35:40Z) - Embedding Earth: Self-supervised contrastive pre-training for dense land
cover classification [61.44538721707377]
本研究では,衛星画像の高可用性を活用するための自己監督型コントラスト事前学習法として,エンベディングアースを提案する。
提案手法による事前学習では, 25%の絶対mIoUが得られた。
学習した特徴は、異なる領域間で一般化され、提案した事前学習スキームの可能性を開放する。
論文 参考訳(メタデータ) (2022-03-11T16:14:14Z) - A curated, ontology-based, large-scale knowledge graph of artificial
intelligence tasks and benchmarks [4.04540578484476]
インテリジェンスタスクオントロジーと知識グラフ(ITO)は、人工知能タスク、ベンチマーク結果、パフォーマンスメトリクスに関する包括的なリソースである。
ITOは、人工知能タスク、ベンチマーク結果、パフォーマンスメトリクスに関する、豊富な構造化と手作業によるリソースである。
ITOの目標は、AIタスクと能力のグローバルな状況に関する、正確でネットワークベースの分析を可能にすることだ。
論文 参考訳(メタデータ) (2021-10-04T13:25:53Z) - GalaxAI: Machine learning toolbox for interpretable analysis of
spacecraft telemetry data [48.42042893355919]
GalaxAIは、宇宙船のテレメトリデータを分析するための汎用的な機械学習ツールボックスである。
多変量時系列解析、分類、回帰、構造化出力予測に様々な機械学習アルゴリズムを使用している。
本稿では,2つの異なる宇宙船に関する2つのユースケースにおいて,GalaxAIの有用性と汎用性を示す。
論文 参考訳(メタデータ) (2021-08-03T10:45:20Z) - Rapid Exploration for Open-World Navigation with Latent Goal Models [78.45339342966196]
多様なオープンワールド環境における自律的な探索とナビゲーションのためのロボット学習システムについて述べる。
本手法のコアとなるのは、画像の非パラメトリックトポロジカルメモリとともに、距離と行動の学習された潜在変数モデルである。
学習方針を規則化するために情報ボトルネックを使用し、(i)目標のコンパクトな視覚的表現、(ii)一般化能力の向上、(iii)探索のための実行可能な目標をサンプリングするためのメカニズムを提供する。
論文 参考訳(メタデータ) (2021-04-12T23:14:41Z) - Automated identification of transiting exoplanet candidates in NASA
Transiting Exoplanets Survey Satellite (TESS) data with machine learning
methods [1.9491825010518622]
AI/ML ThetaRayシステムは当初ケプラー太陽系外惑星のデータで訓練され、確認された太陽系外惑星で検証される。
TESSミッションで発生したしきい値交差イベント(TCE)の10,803光曲線へのThetaRayの適用により、39の新たな惑星候補が発見された。
論文 参考訳(メタデータ) (2021-02-20T12:28:39Z) - DAGA: Data Augmentation with a Generation Approach for Low-resource
Tagging Tasks [88.62288327934499]
線形化ラベル付き文に基づいて訓練された言語モデルを用いた新しい拡張手法を提案する。
本手法は, 教師付き設定と半教師付き設定の両方に適用可能である。
論文 参考訳(メタデータ) (2020-11-03T07:49:15Z)
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。