論文の概要: A Data Cube of Big Satellite Image Time-Series for Agriculture
Monitoring
- arxiv url: http://arxiv.org/abs/2205.07752v1
- Date: Mon, 16 May 2022 15:26:23 GMT
- ステータス: 処理完了
- システム内更新日: 2022-05-17 18:01:50.567852
- Title: A Data Cube of Big Satellite Image Time-Series for Agriculture
Monitoring
- Title（参考訳）: 農業モニタリングのための大型衛星画像時系列データキューブ
- Authors: Thanassis Drivas, Vasileios Sitokonstantinou, Iason Tsardanidis,
Alkiviadis Koukos, Charalampos Kontoes, Vassilia Karathanassi
- Abstract要約: 共通農業政策(CAP)の近代化は、大規模かつ頻繁な農地の監視を必要とする。
我々は、光学式および合成開口レーダ(SAR)画像の多次元立方体への発見、前処理、インデックス化のための自動化、モジュール化、エンドツーエンドのフレームワークである農業監視データキューブ(ADC)を提案する。
また、ADC上に強力なツールセットを提供しており、i) 下流の機械学習タスクを配信するためのビッグデータの分析可能な特徴空間の生成、i) 監視に関連するサービスを通じての衛星画像時系列(SITS)分析のサポートを含む。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The modernization of the Common Agricultural Policy (CAP) requires the large
scale and frequent monitoring of agricultural land. Towards this direction, the
free and open satellite data (i.e., Sentinel missions) have been extensively
used as the sources for the required high spatial and temporal resolution Earth
observations. Nevertheless, monitoring the CAP at large scales constitutes a
big data problem and puts a strain on CAP paying agencies that need to adapt
fast in terms of infrastructure and know-how. Hence, there is a need for
efficient and easy-to-use tools for the acquisition, storage, processing and
exploitation of big satellite data. In this work, we present the Agriculture
monitoring Data Cube (ADC), which is an automated, modular, end-to-end
framework for discovering, pre-processing and indexing optical and Synthetic
Aperture Radar (SAR) images into a multidimensional cube. We also offer a set
of powerful tools on top of the ADC, including i) the generation of
analysis-ready feature spaces of big satellite data to feed downstream machine
learning tasks and ii) the support of Satellite Image Time-Series (SITS)
analysis via services pertinent to the monitoring of the CAP (e.g., detecting
trends and events, monitoring the growth status etc.). The knowledge extracted
from the SITS analyses and the machine learning tasks returns to the data cube,
building scalable country-specific knowledge bases that can efficiently answer
complex and multi-faceted geospatial queries.
- Abstract（参考訳）: 共通農業政策(CAP)の近代化は、大規模かつ頻繁な農地の監視を必要とする。
この方向に向かって、自由でオープンな衛星データ(すなわちセンチネルミッション)は、要求される高い空間的および時間的解像度の地球観測の源として広く用いられてきた。
それでも、CAPを大規模に監視することは、ビッグデータの問題であり、インフラストラクチャやノウハウの観点から迅速に適応する必要があるCAP有給機関に負担をかける。
したがって、巨大な衛星データの取得、保管、処理、利用のための効率的で使いやすいツールが必要である。
本稿では,光学式および合成開口レーダ(SAR)画像を多次元立方体に検出し,前処理し,インデックス化するための,モジュール化されたエンドツーエンドフレームワークである農業監視データキューブ(ADC)を提案する。
私たちはadc上に強力なツールセットも提供しています。
一 下流機械学習タスクを供給するための大衛星データの分析可能な特徴空間の生成
二 CAPの監視に係わるサービスによる衛星画像時系列解析(SITS)の支持(トレンドやイベントの検知、成長状況の監視等)。
SITS分析から抽出した知識と機械学習タスクはデータキューブに戻り、複雑で多面的な地理空間的クエリに効率的に答えられるスケーラブルな国固有の知識ベースを構築する。
関連論文リスト
- On-Air Deep Learning Integrated Semantic Inference Models for Enhanced Earth Observation Satellite Networks [28.69148416385582]
ドメイン適応型大規模言語モデル(LLM)は、生および処理されたEOデータの統合を可能にするソリューションを提供する。
本研究は,高度EOシステムにおける意味推論と深層学習の徹底的な検討を行う。
データ伝送効率を向上させるために設計されたEO衛星ネットワークにおけるセマンティック通信のための革新的なアーキテクチャを提供する。
論文 参考訳（メタデータ） (2024-09-23T17:42:05Z) - Deep Learning for Trajectory Data Management and Mining: A Survey and Beyond [58.63558696061679]
軌道計算は、位置サービス、都市交通、公共安全など、様々な実用用途において重要である。
トラジェクトリ・コンピューティングのためのディープラーニング(DL4Traj)の開発と最近の進歩について概観する。
特に、軌道計算を増強する可能性を持つ大規模言語モデル(LLM)の最近の進歩をカプセル化する。
論文 参考訳（メタデータ） (2024-03-21T05:57:27Z) - Big Earth Data and Machine Learning for Sustainable and Resilient
Agriculture [0.0]
この論文は、我々の時代の高品質でオープンな地球観測データによって提供される前例のない機会を認識している。
持続的で回復力のある農業のためのアプリケーションを開発するために、機械学習とビッグデータメソッドを導入している。
論文 参考訳（メタデータ） (2022-11-22T20:58:54Z) - 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) - Towards Space-to-Ground Data Availability for Agriculture Monitoring [0.0]
本稿では,クラウドソーシングプラットフォームであるMapillaryのストリートレベル画像とともに,Sentinel-1レーダとSentinel-2光画像時系列を含む地上空間データセットを提案する。
これらの異なるデータドメイン上で機械学習とディープラーニングのアルゴリズムをトレーニングし、意思決定の信頼性を高めるための融合技術の可能性を強調します。
論文 参考訳（メタデータ） (2022-05-16T14:35:48Z) - Satellite Image Time Series Analysis for Big Earth Observation Data [50.591267188664666]
本稿では,機械学習を用いた衛星画像時系列解析のためのオープンソースRパッケージである sit について述べる。
本手法は, Cerrado Biome のケーススタディにより, 土地利用と土地被覆マップの精度が高いことを示す。
論文 参考訳（メタデータ） (2022-04-24T15:23:25Z) - 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) - Batch Exploration with Examples for Scalable Robotic Reinforcement
Learning [63.552788688544254]
BEE(Batch Exploration with Examples)は、重要状態の画像の少ない数の人間がガイドする状態空間の関連領域を探索する。
BEEは、シミュレーションと本物のフランカロボットの両方で、視覚ベースの操作に挑戦することができる。
論文 参考訳（メタデータ） (2020-10-22T17:49:25Z) - Utilizing Satellite Imagery Datasets and Machine Learning Data Models to
Evaluate Infrastructure Change in Undeveloped Regions [0.0]
本研究の目的は、鉄道などの大規模インフラプロジェクトを対象とした自動監視により、建設の方向性を定義し予測するための信頼性の高い指標を決定することである。
利用可能な衛星データを用いて3Dメッシュとデジタル表面モデル(DSM)を作成することにより、輸送経路を効果的に予測できることを期待する。
論文 参考訳（メタデータ） (2020-09-01T02:11:14Z) - Federated Learning in the Sky: Aerial-Ground Air Quality Sensing
Framework with UAV Swarms [53.38353133198842]
空気質は人間の健康に大きく影響し、空気質指数(AQI)の正確かつタイムリーな予測がますます重要になっている。
本稿では, 精密な3次元空気質モニタリングと予測を行うための, 新たなフェデレーション学習型地上空気質検知フレームワークを提案する。
地中センシングシステムでは, グラフ畳み込みニューラルネットワークを用いたLong Short-Term Memory (GC-LSTM) モデルを提案し, 高精度, リアルタイム, 将来的なAQI推論を実現する。
論文 参考訳（メタデータ） (2020-07-23T13:32:47Z) - Attentive Weakly Supervised land cover mapping for object-based
satellite image time series data with spatial interpretation [4.549831511476249]
本稿では,粗粒度ラベルの弱さをインテリジェントに活用できる,TASSELという新しいディープラーニングフレームワークを提案する。
私たちのフレームワークは、ブラックボックスをグレーにする目的で、モデル解釈可能性をサポートする追加のサイド情報も生成します。
論文 参考訳（メタデータ） (2020-04-30T10:23:12Z)
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。