Fugu-MT 論文翻訳(概要): On the semantics of big Earth observation data for land classification

論文の概要: On the semantics of big Earth observation data for land classification

arxiv url: http://arxiv.org/abs/2204.11082v1
Date: Sat, 23 Apr 2022 14:45:53 GMT
ステータス: 処理完了
システム内更新日: 2022-04-26 15:56:26.477424
Title: On the semantics of big Earth observation data for land classification
Title（参考訳）: 土地分類のための大地観測データのセマンティクスについて
Authors: Gilberto Camara
Abstract要約: ビッグデータを扱うとき、音理論について論じる。本稿では,衛星画像時系列をイベントの事例として分析するために使用されている概念について述べる。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by-nc-sa/4.0/
Abstract: This paper discusses the challenges of using big Earth observation data for land classification. The approach taken is to consider pure data-driven methods to be insufficient to represent continuous change. We argue for sound theories when working with big data. After revising existing classification schemes such as FAO's Land Cover Classification System (LCCS), we conclude that LCCS and similar proposals cannot capture the complexity of landscape dynamics. We then investigate concepts that are being used for analyzing satellite image time series; we show these concepts to be instances of events. Therefore, for continuous monitoring of land change, event recognition needs to replace object identification as the prevailing paradigm. The paper concludes by showing how event semantics can improve data-driven methods to fulfil the potential of big data.
Abstract（参考訳）: 本稿では,大地観測データを用いた土地分類の課題について論じる。アプローチは、純粋なデータ駆動型メソッドが継続的変化を表現するのに不十分であると考えることです。ビッグデータを扱うとき、音理論について論じる。 FAO の土地被覆分類システム (LCCS) などの既存の分類体系を改訂した後,LCCS などの提案は景観動態の複雑さを捉えることはできないと結論付けた。次に,衛星画像時系列の解析に使用されている概念を調査し,これらの概念をイベントのインスタンスとして示す。したがって、土地変化の継続的な監視には、オブジェクト識別を汎用パラダイムとして置き換える必要がある。この論文は、ビッグデータの可能性を満たすために、イベントセマンティクスがデータ駆動手法をどのように改善するかを示す。

関連論文リスト

SatSynth: Augmenting Image-Mask Pairs through Diffusion Models for Aerial Semantic Segmentation [69.42764583465508]
我々は,地球観測における注釈付きデータの不足に対処するために,生成的画像拡散の可能性を探る。我々の知る限りでは、衛星セグメンテーションのための画像と対応するマスクの両方を最初に生成する。
論文参考訳（メタデータ） (2024-03-25T10:30:22Z)
Contrastive Continual Multi-view Clustering with Filtered Structural Fusion [57.193645780552565]
ビューが事前に収集されるアプリケーションでは、マルチビュークラスタリングが成功します。データビューがシーケンシャルに収集されるシナリオ、すなわちリアルタイムデータを見落としている。いくつかの方法が提案されているが、安定塑性ジレンマに閉じ込められている。フィルタ構造融合を用いたコントラスト連続多視点クラスタリングを提案する。
論文参考訳（メタデータ） (2023-09-26T14:18:29Z)
Pixel-wise Agricultural Image Time Series Classification: Comparisons and a Deformable Prototype-based Approach [38.96950437566293]
時間的データを用いた収穫分断の現在の手法は、データに依存するか、監督の欠如を補うために非常に高度に設計されている。衛星画像時間(SITS)の教師付き画素分割と教師なし画素分割のためのデータセットと手法を提示・比較する。我々は,このシンプルかつ高解釈可能な手法が,低データ方式で最高の性能を実現することを示す。
論文参考訳（メタデータ） (2023-03-22T13:06:39Z)
Semantic Segmentation of Vegetation in Remote Sensing Imagery Using Deep Learning [77.34726150561087]
本稿では,公開されているリモートセンシングデータからなるマルチモーダル・大規模時間データセットを作成するためのアプローチを提案する。我々は、異なる種類の植生を分離できる畳み込みニューラルネットワーク(CNN)モデルを使用する。
論文参考訳（メタデータ） (2022-09-28T18:51:59Z)
Koopman-theoretic Approach for Identification of Exogenous Anomalies in Nonstationary Time-series Data [3.050919759387984]
多次元時系列データ中の異常を分類する一般的な方法を構築する。本研究では,地球大気汚染モニタリングの重要な課題について,提案手法を実証する。このシステムは、新型コロナウイルス(COVID-19)のロックダウンや山火事などにより、空気質の局所的な異常を検出することに成功した。
論文参考訳（メタデータ） (2022-09-18T17:59:04Z)
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)
Context Decoupling Augmentation for Weakly Supervised Semantic Segmentation [53.49821324597837]
微調整されたセマンティックセグメンテーションは、近年深く研究されている困難な問題です。本稿では、オブジェクトが現れる固有のコンテキストを変更する Context Decoupling Augmentation (CDA) メソッドを紹介します。提案手法の有効性を検証するため, PASCAL VOC 2012データセットにいくつかの代替ネットワークアーキテクチャを用いた広範な実験を行い, CDAが様々なWSSS手法を新たな最先端技術に拡張できることを実証した。
論文参考訳（メタデータ） (2021-03-02T15:05:09Z)
Comprehensive Semantic Segmentation on High Resolution UAV Imagery for Natural Disaster Damage Assessment [0.26249027950824505]
災害シナリオにおける視覚知覚のための大規模ハリケーン・マイケルデータセットを提案する。セマンティックセグメンテーションのための最先端のディープニューラルネットワークモデルを分析する。
論文参考訳（メタデータ） (2020-09-02T17:07:28Z)
Gaussian Process Gradient Maps for Loop-Closure Detection in Unstructured Planetary Environments [17.276441789710574]
以前にマップされた位置を認識する能力は、自律システムにとって不可欠な機能である。非構造的な惑星のような環境は、地形の類似性のためにこれらのシステムに大きな課題をもたらす。本稿では,空間情報のみを用いたループ閉鎖問題の解法を提案する。
論文参考訳（メタデータ） (2020-09-01T04:41:40Z)
Grounded Situation Recognition [56.18102368133022]
画像の構造的要約を生成することを必要とする課題であるグラウンドドコンディション認識(GSR)を導入する。 GSRはセマンティック・サリエンシの識別、大規模で多様なエンティティの分類とローカライズという重要な技術的課題を提示している。我々は,条件付きクエリ,視覚連鎖,接地型セマンティック・アウェアネス・イメージ検索の3つのモデルによって実現される3つの将来方向について,最初の知見を示す。
論文参考訳（メタデータ） (2020-03-26T17:57:52Z)

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。