論文の概要: Classification of Bark Beetle-Induced Forest Tree Mortality using Deep Learning

• arxiv url: http://arxiv.org/abs/2207.07241v1
• Date: Fri, 15 Jul 2022 00:16:25 GMT
• ステータス: 処理完了
• システム内更新日: 2022-07-18 14:19:00.668669
• Title: Classification of Bark Beetle-Induced Forest Tree Mortality using Deep Learning
• Title（参考訳）: 深層学習によるカブトムシによる森林樹死の分類
• Authors: Rudraksh Kapil, Seyed Mojtaba Marvasti-Zadeh, Devin Goodsman, Nilanjan Ray, Nadir Erbilgin
• Abstract要約: 本研究では,深層学習に基づく学習手法を提案し,樹皮攻撃の異なる段階を木レベルで効果的に分類する。 提案手法は、無人航空機(UAV)が捉えた画像の異なる攻撃ステージを分類するために、RetinaNetアーキテクチャを用いて浅いサブネットワークを訓練する。 実験により, 平均精度98.95%を達成し, ベースライン法を約10%上回り, 提案手法の有効性を実証した。
• 参考スコア（独自算出の注目度）: 7.032774322952993
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Bark beetle outbreaks can dramatically impact forest ecosystems and services around the world. For the development of effective forest policies and management plans, the early detection of infested trees is essential. Despite the visual symptoms of bark beetle infestation, this task remains challenging, considering overlapping tree crowns and non-homogeneity in crown foliage discolouration. In this work, a deep learning based method is proposed to effectively classify different stages of bark beetle attacks at the individual tree level. The proposed method uses RetinaNet architecture (exploiting a robust feature extraction backbone pre-trained for tree crown detection) to train a shallow subnetwork for classifying the different attack stages of images captured by unmanned aerial vehicles (UAVs). Moreover, various data augmentation strategies are examined to address the class imbalance problem, and consequently, the affine transformation is selected to be the most effective one for this purpose. Experimental evaluations demonstrate the effectiveness of the proposed method by achieving an average accuracy of 98.95%, considerably outperforming the baseline method by approximately 10%.
• Abstract（参考訳）: バークビークルの流行は世界中の森林生態系やサービスに大きな影響を及ぼす可能性がある。 効果的な森林政策と管理計画の整備には,植林樹の早期発見が不可欠である。 樹皮甲虫の感染の症状にもかかわらず, 樹冠の重複と樹冠葉の異種性を考慮すると, この課題はいまだに困難である。 本研究は,個々の樹種レベルでのカブトムシ攻撃の異なる段階を効果的に分類する深層学習に基づく手法を提案する。 提案手法では,木冠検出のために事前訓練されたロバストな特徴抽出バックボーンを用いて,無人航空機 (uavs) で撮影された画像の異なる攻撃段階を分類する浅層サブネットワークを訓練する。 さらに, クラス不均衡問題に対処するために, 様々なデータ拡張戦略を検討した結果, アフィン変換を最も有効なものに選定した。 実験により, 平均精度98.95%を達成し, ベースライン法を約10%上回り, 提案手法の有効性を実証した。

関連論文リスト

• Can a Single Tree Outperform an Entire Forest? [5.448070998907116]
  一般的な考え方は、単一の決定木は、テスト精度において古典的なランダムな森林を過小評価する。 本研究では,斜め回帰木の試験精度を大幅に向上させることで,このような考え方に挑戦する。 本手法は,木習熟を非制約最適化タスクとして再編成する。
  論文  参考訳（メタデータ） (2024-11-26T00:18:18Z)
• Learning Deep Tree-based Retriever for Efficient Recommendation: Theory and Method [76.31185707649227]
  効率的なレコメンデーションのために,Deep Tree-based Retriever (DTR)を提案する。 DTRは、トレーニングタスクを、同じレベルでツリーノード上のソフトマックスベースのマルチクラス分類としてフレーム化している。 非リーフノードのラベル付けによって引き起こされる準最適性を緩和するため、損失関数の補正法を提案する。
  論文  参考訳（メタデータ） (2024-08-21T05:09:53Z)
• Tree semantic segmentation from aerial image time series [24.14827064108217]
  1年以上にわたる空中データセット画像を用いて,樹木のセマンティックセグメンテーションを行う。 単体画像で訓練したモデルと時系列で訓練したモデルを比較し,木表現学がセグメンテーション性能に与える影響を評価する。 樹種分類の階層構造を,種,属,高水準の3つのレベルで予測を洗練させるカスタム・ロス・ファンクションを取り入れることで活用する。
  論文  参考訳（メタデータ） (2024-07-18T02:19:57Z)
• A Satellite Band Selection Framework for Amazon Forest Deforestation Detection Task [0.5825410941577593]
  森林伐採と伐採は年間数百万ヘクタールに影響を及ぼし、効果的な森林モニタリングのために政府や民間のイニシアチブを必要としている。 本研究では,Univariate Marginal Distribution Algorithm (UMDA) を用いてLandsat-8衛星からスペクトル帯域を選択する手法を提案する。 この選択はセマンティックセグメンテーションアーキテクチャであるDeepLabv3+をガイドし、パフォーマンスを向上させる。
  論文  参考訳（メタデータ） (2024-04-03T11:47:20Z)
• Automated Identification of Tree Species by Bark Texture Classification Using Convolutional Neural Networks [0.0]
  樹木種の同定は、森林保全、病気の診断、植物生産といった森林関連業務において重要な役割を担っている。 木の一部が葉、果物、花、樹皮であるべきか、区別するために使用されるのかという議論があった。 本稿では,50種の木を分類するために,コンピュータビジョンの手法を活用することによって,ディープラーニングに基づくアプローチを提案する。
  論文  参考訳（メタデータ） (2022-10-03T13:09:50Z)
• A Systematic Evaluation of Node Embedding Robustness [77.29026280120277]
  本研究では,ノード埋め込みモデルのランダムおよび逆毒攻撃に対する経験的ロバスト性を評価する。 ネットワーク特性とノードラベルを用いて計算したエッジの追加,削除,再切り替えの戦略を比較した。 その結果,ノード分類はネットワーク再構成とは対照的に,高い性能劣化に悩まされていることがわかった。
  論文  参考訳（メタデータ） (2022-09-16T17:20:23Z)
• Neuroevolution-based Classifiers for Deforestation Detection in Tropical Forests [62.997667081978825]
  森林破壊や荒廃により、毎年何百万ヘクタールもの熱帯林が失われる。 監視・森林破壊検知プログラムは、犯罪者の予防・処罰のための公共政策に加えて、使用されている。 本稿では,熱帯林の森林破壊検出作業におけるニューロ進化技術(NEAT)に基づくパターン分類器の利用を提案する。
  論文  参考訳（メタデータ） (2022-08-23T16:04:12Z)
• Country-wide Retrieval of Forest Structure From Optical and SAR Satellite Imagery With Bayesian Deep Learning [74.94436509364554]
  本研究では,10mの解像度で森林構造変数を高密度に推定するベイズ深層学習手法を提案する。 本手法は,Sentinel-2光画像とSentinel-1合成開口レーダ画像を5種類の森林構造変数のマップに変換する。 ノルウェーを横断する41の空中レーザー走査ミッションの基準データに基づいて、我々のモデルを訓練し、テストする。
  論文  参考訳（メタデータ） (2021-11-25T16:21:28Z)
• Two-View Fine-grained Classification of Plant Species [66.75915278733197]
  本研究では,2視点の葉のイメージ表現に基づく新しい手法と,植物種の粒度認識のための階層的分類戦略を提案する。 シームズ畳み込みニューラルネットワークに基づく深度測定は、多数のトレーニングサンプルへの依存を減らし、新しい植物種に拡張性を持たせるために用いられる。
  論文  参考訳（メタデータ） (2020-05-18T21:57:47Z)
• Rectified Meta-Learning from Noisy Labels for Robust Image-based Plant Disease Diagnosis [64.82680813427054]
  植物病は食料安全保障と作物生産に対する主要な脅威の1つである。 1つの一般的なアプローチは、葉画像分類タスクとしてこの問題を変換し、強力な畳み込みニューラルネットワーク(CNN)によって対処できる。 本稿では,正規化メタ学習モジュールを共通CNNパラダイムに組み込んだ新しいフレームワークを提案する。
  論文  参考訳（メタデータ） (2020-03-17T09:51:30Z)

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。