論文の概要: Autonomous Mosquito Habitat Detection Using Satellite Imagery and
Convolutional Neural Networks for Disease Risk Mapping
- arxiv url: http://arxiv.org/abs/2203.04463v1
- Date: Wed, 9 Mar 2022 00:54:59 GMT
- ステータス: 処理完了
- システム内更新日: 2022-03-11 05:37:56.544642
- Title: Autonomous Mosquito Habitat Detection Using Satellite Imagery and
Convolutional Neural Networks for Disease Risk Mapping
- Title（参考訳）: 衛星画像と畳み込みニューラルネットワークを用いた疾病リスクマッピングのための自律型モスキートハビタット検出
- Authors: Sriram Elango, Nandini Ramachandran, Russanne Low
- Abstract要約: モスキトベクターは毎年100万人以上の死者を出す病気の感染で知られている。
ドローン、UAV、その他の空中撮像技術といった現代のアプローチは、実装にコストがかかり、より精密な空間スケールでのみ正確である。
提案した畳み込みニューラルネットワーク(CNN)アプローチは、疾病リスクマッピングや、よりグローバルなスケールでの予防的取り組みのガイドに応用することができる。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Mosquitoes are known vectors for disease transmission that cause over one
million deaths globally each year. The majority of natural mosquito habitats
are areas containing standing water that are challenging to detect using
conventional ground-based technology on a macro scale. Contemporary approaches,
such as drones, UAVs, and other aerial imaging technology are costly when
implemented and are only most accurate on a finer spatial scale whereas the
proposed convolutional neural network(CNN) approach can be applied for disease
risk mapping and further guide preventative efforts on a more global scale. By
assessing the performance of autonomous mosquito habitat detection technology,
the transmission of mosquito-borne diseases can be prevented in a
cost-effective manner. This approach aims to identify the spatiotemporal
distribution of mosquito habitats in extensive areas that are difficult to
survey using ground-based technology by employing computer vision on satellite
imagery for proof of concept. The research presents an evaluation and the
results of 3 different CNN models to determine their accuracy of predicting
large-scale mosquito habitats. For this approach, a dataset was constructed
containing a variety of geographical features. Larger land cover variables such
as ponds/lakes, inlets, and rivers were utilized to classify mosquito habitats
while minute sites were omitted for higher accuracy on a larger scale. Using
the dataset, multiple CNN networks were trained and evaluated for accuracy of
habitat prediction. Utilizing a CNN-based approach on readily available
satellite imagery is cost-effective and scalable, unlike most aerial imaging
technology. Testing revealed that YOLOv4 obtained greater accuracy in mosquito
habitat detection for identifying large-scale mosquito habitats.
- Abstract（参考訳）: 蚊は毎年100万人以上の死者を出す病気の媒介者として知られている。
自然の蚊の生息地の大部分は、従来の地上技術を用いて大まかに検出することが難しい立水を含む地域である。
ドローン、uav、その他の航空画像技術のような現代のアプローチは、実装時に費用がかかり、より詳細な空間スケールでのみ正確である一方、提案された畳み込みニューラルネットワーク(cnn)アプローチは、病気のリスクマッピングや、よりグローバルなスケールでの予防的取り組みに応用することができる。
自律的な蚊生息地検出技術の性能を評価することにより、蚊媒介疾患の伝染を防止することができる。
提案手法は,衛星画像にコンピュータビジョンを応用して概念実証を行うことにより,地上技術を用いた調査が困難である広範囲の蚊生息地の時空間分布を特定することを目的とする。
本研究は,3種類のCNNモデルの評価と結果から,大規模な蚊の生息地予測の精度を推定するものである。
このアプローチのために、様々な地理的特徴を含むデータセットが構築された。
池・堤防・入江・河川などの大型の土地被覆変数を用いて蚊の生息地を分類し, 微小な場所を省略し, 精度を高くした。
データセットを用いて,複数のcnnネットワークを訓練し,生息地予測精度の評価を行った。
CNNベースのアプローチを利用可能な衛星画像に活用することは、ほとんどの空中撮像技術とは異なり、コスト効率が高くスケーラブルである。
実験の結果、ヨロフ4は大規模な蚊の生息地を特定するため、蚊の生息地検出において高い精度を得た。
関連論文リスト
- MambaDS: Near-Surface Meteorological Field Downscaling with Topography Constrained Selective State Space Modeling [68.69647625472464]
気象予測において重要な課題であるダウンスケーリングは、ターゲット領域に対する高解像度気象状態の再構築を可能にする。
以前のダウンスケーリング手法には気象学のための調整された設計が欠けており、構造的な限界に遭遇した。
本稿では,多変数相関と地形情報の利用性を高める新しいモデルであるMambaDSを提案する。
論文 参考訳（メタデータ） (2024-08-20T13:45:49Z) - SatBird: Bird Species Distribution Modeling with Remote Sensing and
Citizen Science Data [68.2366021016172]
本稿では,市民科学データベース eBird の観測データから得られたラベルを用いた,米国内の位置情報のサテライトデータセットである SatBird について述べる。
ケニアでは低データのレシエーションを表すデータセットも提供しています。
リモートセンシングタスクのためのSOTAモデルを含む、データセットのベースラインセットをベンチマークします。
論文 参考訳（メタデータ） (2023-11-02T02:00:27Z) - YOLOv7 for Mosquito Breeding Grounds Detection and Tracking [5.729171000212229]
YOLOv7を利用して、無人航空機が捉えた状態ビデオの蚊の変化をローカライズし追跡する。
YOLOv7はタイヤや水槽などの大きなカテゴリーを検知するために直接適用可能である。
論文 参考訳（メタデータ） (2023-10-16T14:04:25Z) - Spatial Implicit Neural Representations for Global-Scale Species Mapping [72.92028508757281]
ある種が観察された場所の集合を考えると、その種がどこにいても存在しないかを予測するためのモデルを構築することが目的である。
従来の手法は、新たな大規模クラウドソースデータセットを活用するのに苦労している。
本研究では,47k種の地理的範囲を同時に推定するために,空間入射ニューラル表現(SINR)を用いる。
論文 参考訳（メタデータ） (2023-06-05T03:36:01Z) - Evaluation of the potential of Near Infrared Hyperspectral Imaging for
monitoring the invasive brown marmorated stink bug [53.682955739083056]
BMSB(Halyomorpha halys)は、数種の作物を害する世界的重要性の害虫である。
本研究は、BMSB検体を検出する技術として、NIR-HSI(Near Infrared Hyperspectral Imaging)を実験室レベルで予備評価する。
論文 参考訳（メタデータ） (2023-01-19T11:37:20Z) - Spotting Virus from Satellites: Modeling the Circulation of West Nile
Virus Through Graph Neural Networks [10.235799644961816]
西ナイルウイルス(西ナイルウイルス、英語: West Nile Virus、WNV)は、蚊が媒介する動物病ウイルスの1つである。
グラフニューラルネットワーク(GNN)を用いて,周辺地域の特徴を集約する。
ウイルス拡散の季節性を考慮したモデルに時間関連情報を直接注入する。
論文 参考訳（メタデータ） (2022-09-07T16:40:45Z) - A deep convolutional neural network for classification of Aedes
albopictus mosquitoes [1.6758573326215689]
本稿では2つのDeep Convolutional Neural Networksを,分類タスクの自動化のための比較研究に適用する。
移動学習の原理を用いて、Mosquito Alertプロジェクトが提供するデータに基づいて、2つの最先端アーキテクチャを訓練する。
さらに,Grad-CAMアルゴリズムに基づく説明可能なモデルを適用し,分類画像の最も識別性の高い領域を可視化した。
論文 参考訳（メタデータ） (2021-10-29T17:58:32Z) - On the use of uncertainty in classifying Aedes Albopictus mosquitoes [1.6758573326215689]
畳み込みニューラルネットワーク(CNN)は、画像中の蚊を認識するためにいくつかの研究で使われてきた。
本稿では,モンテカルロ・ドロップアウト法を用いて不確実性のスコアを推定し,分類標本のランク付けを行う。
論文 参考訳（メタデータ） (2021-10-29T16:58:25Z) - Modeling the geospatial evolution of COVID-19 using spatio-temporal
convolutional sequence-to-sequence neural networks [48.7576911714538]
ポルトガルは世界最大の発生率を持つ国であり、人口10万人当たりの14日間の発生率が1000を超える。
その重要性にもかかわらず、covid-19の地理空間的進化の正確な予測は依然として課題である。
論文 参考訳（メタデータ） (2021-05-06T15:24:00Z) - Many-to-One Distribution Learning and K-Nearest Neighbor Smoothing for
Thoracic Disease Identification [83.6017225363714]
ディープラーニングは、病気の識別性能を改善するための最も強力なコンピュータ支援診断技術となった。
胸部X線撮影では、大規模データの注釈付けには専門的なドメイン知識が必要で、時間を要する。
本論文では、単一モデルにおける疾患同定性能を改善するために、複数対1の分布学習(MODL)とK-nearest neighbor smoothing(KNNS)手法を提案する。
論文 参考訳（メタデータ） (2021-02-26T02:29:30Z) - Detection of Malaria Vector Breeding Habitats using Topographic Models [0.7614628596146599]
本研究では,地球規模で利用可能なDEMデータに基づく実用的な地形モデルを提案する。
ガーナのオプアシ地域を調査し,様々な地形特性が異なる水域に与える影響について検討した。
我々の最良モデルは、小水位検出に地形変数を用いた以前の試みよりも優れていた。
論文 参考訳（メタデータ） (2020-11-27T12:59:55Z)
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。