Fugu-MT 論文翻訳(概要): GRASP EARTH: Intuitive Software for Discovering Changes on the Planet

論文の概要: GRASP EARTH: Intuitive Software for Discovering Changes on the Planet

arxiv url: http://arxiv.org/abs/2203.00955v1
Date: Wed, 2 Mar 2022 09:08:42 GMT
ステータス: 処理完了
システム内更新日: 2022-03-04 02:08:30.021155
Title: GRASP EARTH: Intuitive Software for Discovering Changes on the Planet
Title（参考訳）: GRASP EARTH:惑星の変化を発見するための直感的ソフトウェア
Authors: Waku Hatakeyama, Shirou Kawakita, Ryohei Izawa, Masanari Kimura
Abstract要約: Google Earth Engineをベースとした簡単な変更検出アプリケーションであるGRASP EARTHを開発した。 GRASP EARTHは衛星画像を容易に処理でき、災害監視や都市開発監視に利用されています。
参考スコア（独自算出の注目度）: 1.7969777786551426
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Detecting changes on the Earth, such as urban development, deforestation, or natural disaster, is one of the research fields that is attracting a great deal of attention. One promising tool to solve these problems is satellite imagery. However, satellite images require huge amount of storage, therefore users are required to set Area of Interests first, which was not suitable for detecting potential areas for disaster or development. To tackle with this problem, we develop the novel tool, namely GRASP EARTH, which is the simple change detection application based on Google Earth Engine. GRASP EARTH allows us to handle satellite imagery easily and it has used for disaster monitoring and urban development monitoring.
Abstract（参考訳）: 都市開発、森林破壊、自然災害などの地球上の変化を検出することは、多くの注目を集めている研究分野の1つである。これらの問題を解決する有望なツールの一つが衛星画像である。しかし、衛星画像は大量のストレージを必要とするため、利用者は災害や開発の可能性を検出するのに適さないエリア・オブ・関心を最初に設定する必要がある。この問題に対処するため,Google Earth Engineをベースとした簡易な変更検出アプリケーションGRASP EARTHを開発した。 GRASP EARTHは衛星画像を容易に処理でき、災害監視や都市開発監視に利用されています。

関連論文リスト

Weakly-supervised Camera Localization by Ground-to-satellite Image Registration [52.54992898069471]
本稿では,地対衛星画像登録のための弱教師付き学習戦略を提案する。地上画像ごとに正の衛星画像と負の衛星画像を導き出す。また,クロスビュー画像の相対回転推定のための自己超越戦略を提案する。
論文参考訳（メタデータ） (2024-09-10T12:57:16Z)
Opening the Black Box of 3D Reconstruction Error Analysis with VECTOR [8.142689309891368]
VECTORは、ステレオ再構成のエラー検査を改善するビジュアル解析ツールである。 VECTORはNASAジェット推進研究所のPerseverance Mars RoverとIngenuity Mars Helicopterと共同で開発された。我々は、このツールが、2020年火星ミッションの地形復元のデバッグと改善にどのように使われたかを報告する。
論文参考訳（メタデータ） (2024-08-07T02:03:32Z)
Mapping Land Naturalness from Sentinel-2 using Deep Contextual and Geographical Priors [1.4528189330418977]
我々は,現代の人的圧力の連続体に自然の陸地をマッピングするマルチモーダル教師付き深層学習フレームワークを開発した。我々のフレームワークは、センチネル2データから陸地自然度をマッピングする際のモデルの予測性能を改善する。
論文参考訳（メタデータ） (2024-06-27T16:17:33Z)
STHN: Deep Homography Estimation for UAV Thermal Geo-localization with Satellite Imagery [14.651828898850892]
粗大から細い深部ホログラフィー推定手法を用いたUAV熱ジオローカライズ手法を提案する。この方法は、UAVの最後の位置から半径512メートル以内で、信頼性の高い熱的位置決めを可能にする。
論文参考訳（メタデータ） (2024-05-30T20:41:12Z)
OOSTraj: Out-of-Sight Trajectory Prediction With Vision-Positioning Denoising [49.86409475232849]
軌道予測はコンピュータビジョンと自律運転の基本である。この分野における既存のアプローチは、しばしば正確で完全な観測データを仮定する。本稿では,視覚的位置決め技術を利用した視線外軌道予測手法を提案する。
論文参考訳（メタデータ） (2024-04-02T18:30:29Z)
You Only Crash Once: Improved Object Detection for Real-Time, Sim-to-Real Hazardous Terrain Detection and Classification for Autonomous Planetary Landings [7.201292864036088]
危険地を検出するための安価で効果的な方法は、視覚カメラを使用することである。視覚的危険地形検出の伝統的な技術は、テンプレートマッチングと事前構築されたハザードマップへの登録に焦点を当てている。深層学習に基づく視覚的危険地形検出と分類技術であるYou Only Crash Once (YOCO)を紹介した。
論文参考訳（メタデータ） (2023-03-08T21:11:51Z)
Tracking Urbanization in Developing Regions with Remote Sensing Spatial-Temporal Super-Resolution [82.50301442891602]
本稿では,高分解能画像と高分解能画像の時系列を併用したパイプラインを提案する。提案手法は, 単一画像超解像を用いたベースラインと比較して, 大幅な改善を実現している。
論文参考訳（メタデータ） (2022-04-04T17:21:20Z)
Accurate 3-DoF Camera Geo-Localization via Ground-to-Satellite Image Matching [102.39635336450262]
地上で取得したクエリ画像とジオタグ付き衛星画像の大規模データベースとをマッチングすることにより、地上から衛星画像のジオローカライズの問題に対処する。我々の新しい手法は、衛星画像のピクセルサイズの精度まで、クエリー画像のきめ細かい位置を達成できる。
論文参考訳（メタデータ） (2022-03-26T20:10:38Z)
Rapid Detection of Aircrafts in Satellite Imagery based on Deep Neural Networks [2.7716102039510564]
本論文では,深層学習技術を用いた衛星画像の航空機検出に焦点をあてる。本稿では,航空機検出にYOLO深層学習フレームワークを用いた。改良されたモデルは小さい、回転する、および密集した目的がリアルタイムの条件を満たす異なった未知のイメージのよい正確さそして性能を示します。
論文参考訳（メタデータ） (2021-04-21T18:13:16Z)
Physics-informed GANs for Coastal Flood Visualization [65.54626149826066]
我々は,現在および将来の沿岸洪水の衛星画像を生成する深層学習パイプラインを構築した。物理に基づく洪水図と比較して画像を評価することにより,提案手法は物理的一貫性とフォトリアリズムの両方において,ベースラインモデルよりも優れていることがわかった。この研究は沿岸の洪水の可視化に焦点が当てられているが、気候変動が地球をどう形作るかのグローバルな可視化を作成することを想定している。
論文参考訳（メタデータ） (2020-10-16T02:15:34Z)
SCRDet++: Detecting Small, Cluttered and Rotated Objects via Instance-Level Feature Denoising and Rotation Loss Smoothing [131.04304632759033]
小さくて散らばった物体は実世界では一般的であり、検出は困難である。本稿では,まず,物体検出にデノナイズするアイデアを革新的に紹介する。機能マップ上のインスタンスレベルの記述は、小さくて散らばったオブジェクトの検出を強化するために行われる。
論文参考訳（メタデータ） (2020-04-28T06:03:54Z)

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。