論文の概要: Water Surface Patch Classification Using Mixture Augmentation for River Scum Index

• arxiv url: http://arxiv.org/abs/2207.06388v1
• Date: Wed, 13 Jul 2022 17:45:25 GMT
• ステータス: 処理完了
• システム内更新日: 2022-07-14 15:00:34.500969
• Title: Water Surface Patch Classification Using Mixture Augmentation for River Scum Index
• Title（参考訳）: 河川スカム指数の混合拡大による水面パッチ分類
• Authors: Takato Yasuno, Masahiro Okano, Sanae Goto, Junichiro Fujii, and Masazumi Amakata
• Abstract要約: 都市河川は住宅に影響を及ぼす水環境を提供している。 我々は、河川表面に蓄積する有機泥(scum)に焦点を当て、その独特の臭いと外部の経済効果を景観に与える。 そこで本研究では,河川表面に浮かぶスカムと,建物,橋梁,ポール,バリアなどの近傍構造に反映された河川表面の絡み合った背景との多様性を高めるために,混合画像拡張を用いた河川表面のスカムの特徴を検出するパッチ分類パイプラインを提案する。
• 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: Urban rivers provide a water environment that influences residential living. River surface monitoring has become crucial for making decisions about where to prioritize cleaning and when to automatically start the cleaning treatment. We focus on the organic mud, or "scum" that accumulates on the river's surface and gives it its peculiar odor and external economic effects on the landscape. Because of its feature of a sparsely distributed and unstable pattern of organic shape, automating the monitoring has proved difficult. We propose a patch classification pipeline to detect scum features on the river surface using mixture image augmentation to increase the diversity between the scum floating on the river and the entangled background on the river surface reflected by nearby structures like buildings, bridges, poles, and barriers. Furthermore, we propose a scum index covered on rivers to help monitor worse grade online, collecting floating scum and deciding on chemical treatment policies. Finally, we show how to use our method on a time series dataset with frames every ten minutes recording river scum events over several days. We discuss the value of our pipeline and its experimental findings.
• Abstract（参考訳）: 都市河川は住宅に影響を及ぼす水環境を提供している。 河川表面のモニタリングは, 洗浄の優先順位決定や, 洗浄処理の開始時期を決定する上で重要である。 我々は、河川表面に蓄積する有機泥(scum)に焦点を当て、その独特の臭いと外部の経済効果を景観に与える。 分散した不安定な有機形状パターンの特徴から,監視の自動化が困難であることが判明した。 本研究では,河川面に浮かぶスカムと,建物,橋梁,ポール,バリアなどの周辺構造物が反射する河川面の絡み合った背景との多様性を高めるため,混合画像拡張を用いて河川面のスカム特徴を検出するパッチ分類パイプラインを提案する。 さらに, 河川を覆ったスカム指数を提案し, オンラインの悪化状況の監視, フローティングスカムの収集, 化学処理方針の決定を支援する。 最後に,本手法を,数日間にわたって河川スカムイベントを記録する10分毎のフレームで時系列データセット上で利用する方法を示す。 我々はパイプラインの価値とその実験結果について論じる。

関連論文リスト

• A physics-guided neural network for flooding area detection using SAR imagery and local river gauge observations [0.0]
  本研究では,洪水領域検出のための物理誘導型ニューラルネットワークを提案する。 提案手法は,インプットデータとして,センチネル1の時系列画像と,各画像に割り当てられた河川の水位を推定する。 提案手法の有効性を,デジタル地形モデルと光学衛星画像から得られた参照水マップと比較することにより,5つの研究領域で評価した。
  論文  参考訳（メタデータ） (2024-10-11T14:13:06Z)
• Back to the Future: GNN-based NO$_2$ Forecasting via Future Covariates [49.93577170464313]
  都市全域にわたる地上監視ネットワークにおける大気質観測について検討する。 我々は過去と将来の共変分を現在の観測に埋め込む条件付きブロックを提案する。 将来の気象情報に対する条件付けは,過去の交通状況を考えるよりも影響が大きいことが判明した。
  論文  参考訳（メタデータ） (2024-04-08T09:13:16Z)
• Interpretable Time Series Models for Wastewater Modeling in Combined Sewer Overflows [1.5229257192293204]
  雨槽から流出した地下水の汚水汚染問題に特に対処する。 我々は, 最先端の解釈可能な時系列モデルが, どの程度の臨界水位を予測できるかを考察する。 その結果, 現代の時系列モデルでは, 下水道の排水管理や環境汚染防止に寄与することが示唆された。
  論文  参考訳（メタデータ） (2024-01-04T11:48:27Z)
• Graph Transformer Network for Flood Forecasting with Heterogeneous Covariates [2.694662116529994]
  河川システムのためのグラフ変換器ネットワーク(FloodGTN)を用いた洪水予測ツール FloodGTNは、グラフニューラルネットワーク(GNN)とLSTMを用いて、異なる監視ステーションにおける水位の連続時間依存性を学習する。 FloodGTNツールを南フロリダ水管理地区のデータに適用した。
  論文  参考訳（メタデータ） (2023-10-11T16:24:06Z)
• WaterFlow: Heuristic Normalizing Flow for Underwater Image Enhancement and Beyond [52.27796682972484]
  既存の水中画像強調法は, 画像品質の向上に重点を置いており, 実践への影響を無視している。 本稿では,検出駆動型水中画像強調のための正規化フローであるWaterFlowを提案する。 微分可能性や解釈可能性を考慮すると、事前をデータ駆動マッピング手法に組み込む。
  論文  参考訳（メタデータ） (2023-08-02T04:17:35Z)
• Waste Detection and Change Analysis based on Multispectral Satellite Imagery [0.0]
  本研究では, ホットスポット(不法廃棄物捨て場)の同定と水面河川ブロックの同定の2つの可能な廃棄物検出形態を解析した。 その結果, 衛星画像と機械学習を用いることで, 検出した廃棄物の変化を検知し, 監視することが可能であることが判明した。
  論文  参考訳（メタデータ） (2023-03-25T17:12:22Z)
• Unpaired Overwater Image Defogging Using Prior Map Guided CycleGAN [60.257791714663725]
  オーバーウォーターシーンで画像をデフォグするための先行マップガイドサイクロン (PG-CycleGAN) を提案する。 提案手法は,最先端の教師付き,半教師付き,非教師付きデグジングアプローチより優れている。
  論文  参考訳（メタデータ） (2022-12-23T03:00:28Z)
• Unsupervised Restoration of Weather-affected Images using Deep Gaussian Process-based CycleGAN [92.15895515035795]
  本稿では,CycleGANに基づくディープネットワークの監視手法について述べる。 我々は,より効果的なトレーニングにつながるCycleGANのトレーニングに新たな損失を導入し,高品質な再構築を実現した。 提案手法は, 脱落, 脱落, 脱落といった様々な修復作業に効果的に適用できることを実証する。
  論文  参考訳（メタデータ） (2022-04-23T01:30:47Z)
• ZeroWaste Dataset: Towards Automated Waste Recycling [51.053682077915546]
  産業レベルの廃棄物検出・分別データセットZeroWasteについて述べる。 このデータセットには、実際の廃棄物処理工場から収集された1800以上のビデオフレームが含まれている。 最先端のセグメンテーション手法では,対象物を正しく検出・分類することが困難であることを示す。
  論文  参考訳（メタデータ） (2021-06-04T22:17:09Z)
• 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)
• Attention Neural Network for Trash Detection on Water Channels [2.4660652494309936]
  都市を流れる川や運河は、ゴミを捨てるためにしばしば違法に使用される。 これにより、淡水流路が汚染され、下水道が封鎖され、都市部が浸水する。 本稿では,都市部における運河水面に浮かぶ可視性ゴミの検出手法を提案する。
  論文  参考訳（メタデータ） (2020-07-09T08:41:30Z)

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。