Fugu-MT 論文翻訳(概要): Monitoring Urban Forests from Auto-Generated Segmentation Maps

論文の概要: Monitoring Urban Forests from Auto-Generated Segmentation Maps

arxiv url: http://arxiv.org/abs/2206.06948v1
Date: Tue, 14 Jun 2022 16:06:58 GMT
ステータス: 処理完了
システム内更新日: 2022-06-15 13:27:18.749193
Title: Monitoring Urban Forests from Auto-Generated Segmentation Maps
Title（参考訳）: 自動生成セグメンテーションマップによる都市森林のモニタリング
Authors: Conrad M Albrecht, Chenying Liu, Yi Wang, Levente Klein, Xiao Xiang Zhu
Abstract要約: 本研究では, リモートセンシングデータに基づいて, 都市林の分布を定量化するための弱監督手法を提案する。概念実証として、ニューヨーク市コニーアイランド(ニューヨーク市)の都市林に対するハリケーン・サンディの影響を察知し、ニューヨーク市ブルックリン区の都市空間に対する影響の少ないことを言及する。
参考スコア（独自算出の注目度）: 16.520025438843433
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: We present and evaluate a weakly-supervised methodology to quantify the spatio-temporal distribution of urban forests based on remotely sensed data with close-to-zero human interaction. Successfully training machine learning models for semantic segmentation typically depends on the availability of high-quality labels. We evaluate the benefit of high-resolution, three-dimensional point cloud data (LiDAR) as source of noisy labels in order to train models for the localization of trees in orthophotos. As proof of concept we sense Hurricane Sandy's impact on urban forests in Coney Island, New York City (NYC) and reference it to less impacted urban space in Brooklyn, NYC.
Abstract（参考訳）: リモートセンシングデータに基づく都市森林の時空間分布の定量化のための弱教師あり手法を提案し,その評価を行った。セマンティックセグメンテーションのための機械学習モデルをうまく訓練することは、通常、高品質なラベルの可用性に依存する。我々は,高分解能3次元点雲データ(LiDAR)をノイズラベルの情報源として評価し,樹木の正光における局所化のモデルを訓練する。概念実証として、ニューヨーク市コニーアイランド(ニューヨーク市)の都市林に対するハリケーン・サンディの影響を察知し、ニューヨーク市ブルックリン区の都市空間に対する影響の少ないことを言及する。

関連論文リスト

NeRF-Accelerated Ecological Monitoring in Mixed-Evergreen Redwood Forest [0.0]
混合常緑樹林における幹径推定を目的としたMLSとNeRF林の復元の比較を行った。凸ハルモデルを用いた改良DBH推定法を提案する。
論文参考訳（メタデータ） (2024-10-09T20:32:15Z)
Towards general deep-learning-based tree instance segmentation models [0.0]
木を分割する学習の可能性を示す深層学習法が提案されている。文献で見られる7つの多様なデータセットを使用して、ドメインシフトの下での一般化能力に関する洞察を得る。その結果, 針葉樹が支配するスパース点雲から決定的に支配する高分解能点雲への一般化が可能であることが示唆された。
論文参考訳（メタデータ） (2024-05-03T12:42:43Z)
Predicting urban tree cover from incomplete point labels and limited background information [8.540501469749993]
都市内の樹木は、都市部の微気候にとって重要であり、都市住民の身体的および精神的な健康に肯定的に寄与する。その重要性にもかかわらず、しばしば市木に関する限られた情報しか得られない。本研究では,限られたデータセットと深層学習を用いた高解像度空中画像に都市木をマッピングする手法を提案する。
論文参考訳（メタデータ） (2023-11-20T08:09:54Z)
Semi-supervised Learning from Street-View Images and OpenStreetMap for Automatic Building Height Estimation [59.6553058160943]
本稿では,Mapillary SVIとOpenStreetMapのデータから建物の高さを自動的に推定する半教師付き学習(SSL)手法を提案する。提案手法は, 平均絶対誤差(MAE)が約2.1mである建物の高さを推定する上で, 明らかな性能向上につながる。予備結果は,低コストなVGIデータに基づく提案手法のスケールアップに向けた今後の取り組みを期待し,動機づけるものである。
論文参考訳（メタデータ） (2023-07-05T18:16:30Z)
Semantic segmentation of sparse irregular point clouds for leaf/wood discrimination [1.4499463058550683]
本稿では,点幾何学のみを利用するPointnet ++アーキテクチャに基づくニューラルネットワークモデルを提案する。我々のモデルは、UAVポイントクラウドにおける最先端の代替品よりも優れていることを示す。
論文参考訳（メタデータ） (2023-05-26T14:19:17Z)
SensatUrban: Learning Semantics from Urban-Scale Photogrammetric Point Clouds [52.624157840253204]
センサットウルバン(SensatUrban)は、イギリスの3都市から収集された7.6km2の30億点近くからなる、都市規模のUAV測光点クラウドデータセットである。データセットの各ポイントは、粒度の細かいセマンティックアノテーションでラベル付けされ、その結果、既存の最大のフォトグラムポイントクラウドデータセットの3倍の大きさのデータセットが生成される。
論文参考訳（メタデータ） (2022-01-12T14:48:11Z)
PANet: Perspective-Aware Network with Dynamic Receptive Fields and Self-Distilling Supervision for Crowd Counting [63.84828478688975]
本稿では,視点問題に対処するため,PANetと呼ばれる新しい視点認識手法を提案する。対象物のサイズが視点効果によって1つの画像で大きく変化するという観測に基づいて,動的受容場(DRF)フレームワークを提案する。このフレームワークは、入力画像に応じて拡張畳み込みパラメータによって受容野を調整することができ、モデルが各局所領域についてより識別的な特徴を抽出するのに役立つ。
論文参考訳（メタデータ） (2021-10-31T04:43:05Z)
Semantic Segmentation on Swiss3DCities: A Benchmark Study on Aerial Photogrammetric 3D Pointcloud Dataset [67.44497676652173]
スイスの3つの都市から採取された総面積2.7 km2$の屋外3Dポイントクラウドデータセットを紹介した。データセットは、ポイントごとのラベルによるセマンティックセグメンテーションのために手動でアノテートされ、高解像度カメラを備えたマルチローターによって取得された画像のフォトグラムを用いて構築される。
論文参考訳（メタデータ） (2020-12-23T21:48:47Z)
Towards Semantic Segmentation of Urban-Scale 3D Point Clouds: A Dataset, Benchmarks and Challenges [52.624157840253204]
我々は、30億点近い注釈付きポイントを持つ都市規模の測光点クラウドデータセットを提示する。私たちのデータセットは、イギリスの3つの都市からなり、都市の景観の約7.6km2をカバーしています。我々は,データセット上での最先端アルゴリズムの性能を評価し,その結果を包括的に分析する。
論文参考訳（メタデータ） (2020-09-07T14:47:07Z)
Hidden Footprints: Learning Contextual Walkability from 3D Human Trails [70.01257397390361]
現在のデータセットは、人々がどこにいるか、どこにいるかを教えてくれません。まず、画像間で人の観察を伝播させ、3D情報を利用して、私たちが「隠れ足跡」と呼ぶものを作成することで、有効なラベル付き歩行可能領域の集合を拡大する。このようなスパースラベルのために設計されたトレーニング戦略を考案し、クラスバランスの分類損失と文脈逆転損失を組み合わせた。
論文参考訳（メタデータ） (2020-08-19T23:19:08Z)

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。