論文の概要: Multimodal SuperCon: Classifier for Drivers of Deforestation in Indonesia

• arxiv url: http://arxiv.org/abs/2207.14656v1
• Date: Fri, 29 Jul 2022 13:03:31 GMT
• ステータス: 処理完了
• システム内更新日: 2022-08-01 12:33:24.060218
• Title: Multimodal SuperCon: Classifier for Drivers of Deforestation in Indonesia
• Title（参考訳）: インドネシアにおける森林破壊ドライバーのマルチモーダルスーパーコン
• Authors: Bella Septina Ika Hartanti, Valentino Vito, Aniati Murni Arymurthy, Andie Setiyoko
• Abstract要約: インドネシアの森林破壊の要因をランドサット8号から取得した衛星画像を用いて分類する,マルチモーダル・スーパーコン(Multimodal SuperCon)と呼ばれる対照的な学習アーキテクチャを提案する。 提案モデルでは, 運転者分類における従来の作業よりも精度が7%向上し, 同一タスクに対する最先端の回転同変モデルよりも精度が向上した。
• 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: Deforestation is one of the contributing factors to climate change. Climate change has a serious impact on human life, and it occurs due to emission of greenhouse gases, such as carbon dioxide, to the atmosphere. It is important to know the causes of deforestation for mitigation efforts, but there is a lack of data-driven research studies to predict these deforestation drivers. In this work, we propose a contrastive learning architecture, called Multimodal SuperCon, for classifying drivers of deforestation in Indonesia using satellite images obtained from Landsat 8. Multimodal SuperCon is an architecture which combines contrastive learning and multimodal fusion to handle the available deforestation dataset. Our proposed model outperforms previous work on driver classification, giving a 7% improvement in accuracy in comparison to a state-of-the-art rotation equivariant model for the same task.
• Abstract（参考訳）: 森林破壊は気候変動に寄与する要因の1つである。 気候変動は人間の生活に深刻な影響を与え、二酸化炭素などの温室効果ガスが大気中に放出されることによって起こる。 森林破壊対策の要因を知ることは重要であるが,これらの森林破壊要因を予測するためのデータ駆動型研究は乏しい。 本研究では,ランドサット8号から得られた衛星画像を用いてインドネシアにおける森林破壊のドライバを分類する,マルチモーダルスーパーコンと呼ばれるコントラスト学習アーキテクチャを提案する。 Multimodal SuperConは、コントラスト学習とマルチモーダル融合を組み合わせて利用可能な森林破壊データセットを処理するアーキテクチャである。 提案モデルは, 運転者分類の先行研究よりも精度が7%向上し, 同一課題に対する回転同変モデルと比較して精度が7%向上した。

関連論文リスト

• Fine-tuning of Geospatial Foundation Models for Aboveground Biomass Estimation [2.3429628556845405]
  地上バイオマスを推定するための地理空間基盤モデルの微調整は、スクラッチから訓練されたU-Netに匹敵する性能を有する。 また、ブラジルの異なるエコリージョンのスパースラベルを用いた衛星画像の微調整により、モデルの伝達学習能力についても検討する。
  論文  参考訳（メタデータ） (2024-06-28T12:54:10Z)
• Comparing Data-Driven and Mechanistic Models for Predicting Phenology in Deciduous Broadleaf Forests [47.285748922842444]
  我々は、気象時系列から表現指標を予測するために、ディープニューラルネットワークを訓練する。 このアプローチは従来のプロセスベースのモデルよりも優れています。
  論文  参考訳（メタデータ） (2024-01-08T15:29:23Z)
• Multi-scale Digital Twin: Developing a fast and physics-informed surrogate model for groundwater contamination with uncertain climate models [53.44486283038738]
  気候変動は地下水汚染の長期的な土壌管理問題を悪化させる。 U-Net強化フーリエニューラル汚染(PDENO)を用いた物理インフォームド機械学習サロゲートモデルを開発した。 並行して、気候データと組み合わされた畳み込みオートエンコーダを開発し、アメリカ合衆国全体の気候領域の類似性の次元を減少させる。
  論文  参考訳（メタデータ） (2022-11-20T06:46:35Z)
• 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)
• MultiEarth 2022 Deforestation Challenge -- ForestGump [0.0]
  従来のUNetと包括的データ処理を用いた森林破壊推定手法を提案する。 Sentinel-1、Sentinel-2、Landsat 8の様々なチャネルが慎重に選択され、ディープニューラルネットワークのトレーニングに使用される。 提案手法では,新しいクエリの森林破壊状況を高精度に推定する。
  論文  参考訳（メタデータ） (2022-06-22T04:10:07Z)
• A hybrid convolutional neural network/active contour approach to segmenting dead trees in aerial imagery [0.5276232626689566]
  枯木は森林全体の健康の指標であり、森林生態系の3分の1の生物多様性を収容し、世界の炭素在庫の8%を構成している。 本稿では,既存の畳み込みニューラルネットワークと新しいアクティブな輪郭モデルを組み合わせたエネルギー最小化フレームワークを用いて,空中写真から死んだ木の正確な形状輪郭を構築する手法を提案する。
  論文  参考訳（メタデータ） (2021-12-06T00:53:51Z)
• ClimateGAN: Raising Climate Change Awareness by Generating Images of Floods [89.61670857155173]
  実画像上でのリアルな洪水をシミュレートする手法を提案する。 本研究では、教師なし領域適応と条件付き画像生成のためのシミュレーションデータと実データの両方を活用するモデルであるClimateGANを提案する。
  論文  参考訳（メタデータ） (2021-10-06T15:54:57Z)
• From Static to Dynamic Prediction: Wildfire Risk Assessment Based on Multiple Environmental Factors [69.9674326582747]
  ワイルドファイアはアメリカ合衆国西海岸で頻繁に起こる最大の災害の1つである。 カリフォルニアの山火事リスクが高い地域を解析・評価するための静的・動的予測モデルを提案します。
  論文  参考訳（メタデータ） (2021-03-14T17:56:17Z)
• ForestNet: Classifying Drivers of Deforestation in Indonesia using Deep Learning on Satellite Imagery [10.924137779582814]
  インドネシアにおける森林被害の要因を分類するために,フォレストネットと呼ばれる深層学習モデルを開発した。 衛星画像を用いて、フォレストネットはどんな大きさの森林損失パッチでも森林破壊の直接の要因を特定する。
  論文  参考訳（メタデータ） (2020-11-11T00:28:40Z)
• Dynamical Landscape and Multistability of a Climate Model [64.467612647225]
  2つの気候モデルのうちの1つで第3の中間安定状態が見つかる。 我々のアプローチを組み合わせることで、海洋熱輸送とエントロピー生産の負のフィードバックが地球の気候の地形をどのように大きく変えるかを特定することができる。
  論文  参考訳（メタデータ） (2020-10-20T15:31:38Z)

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。