論文の概要: Relict landslide detection using Deep-Learning architectures for image
segmentation in rainforest areas: A new framework
- arxiv url: http://arxiv.org/abs/2208.02693v2
- Date: Mon, 29 May 2023 20:07:08 GMT
- ステータス: 処理完了
- システム内更新日: 2023-06-01 02:58:51.535078
- Title: Relict landslide detection using Deep-Learning architectures for image
segmentation in rainforest areas: A new framework
- Title（参考訳）: 熱帯雨林における画像セグメンテーションのための深層学習アーキテクチャを用いた地すべり検出:新しい枠組み
- Authors: Guilherme P.B. Garcia and Carlos H. Grohmann and Lucas P. Soares and
Mateus Espadoto
- Abstract要約: 地すべりの半自動検出のための新しいCNNフレームワークを提案する。
合計42種類のCNNがテストされている。
提案手法の予測はより正確で, より正確な地すべり検出が可能であった。
- 参考スコア（独自算出の注目度）: 0.5735035463793008
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Landslides are destructive and recurrent natural disasters on steep slopes
and represent a risk to lives and properties. Knowledge of relict landslides
location is vital to understand their mechanisms, update inventory maps and
improve risk assessment. However, relict landslide mapping is complex in
tropical regions covered with rainforest vegetation. A new CNN framework is
proposed for semi-automatic detection of relict landslides, which uses a
dataset generated by a k-means clustering algorithm and has a pre-training
step. The weights computed in the pre-training are used to fine-tune the CNN
training process. A comparison between the proposed and the standard framework
is performed using CBERS-04A WPM images. Three CNNs for semantic segmentation
are used (Unet, FPN, Linknet) with two augmented datasets. A total of 42
combinations of CNNs are tested. Values of precision and recall were very
similar between the combinations tested. Recall was higher than 75% for every
combination, but precision values were usually smaller than 20%. False
positives (FP) samples were addressed as the cause for these low precision
values. Predictions of the proposed framework were more accurate and correctly
detected more landslides. This work demonstrates that there are limitations for
detecting relict landslides in areas covered with rainforest, mainly related to
similarities between the spectral response of pastures and deforested areas
with Gleichenella sp. ferns, commonly used as an indicator of landslide scars.
- Abstract（参考訳）: 地すべりは破壊的かつ繰り返し発生する自然災害であり、生活や財産のリスクを表わしている。
地すべりに関する知識は、そのメカニズムを理解し、在庫地図を更新し、リスク評価を改善するために不可欠である。
しかし、熱帯地域では熱帯雨林の植生に覆われた地すべり地図が複雑である。
新しいCNNフレームワークは,k平均クラスタリングアルゴリズムによって生成されたデータセットを使用し,事前学習ステップを有する,地すべりの半自動検出のために提案されている。
プレトレーニングで計算された重量は、CNNトレーニングプロセスの微調整に使用される。
CBERS-04A WPM画像を用いて,提案手法と標準フレームワークの比較を行った。
セマンティックセグメンテーション用の3つのCNN(Unet、FPN、Linknet)と2つの拡張データセットが使用される。
合計42種類のCNNがテストされている。
精度とリコールの値は、テストされた組み合わせと非常によく似ていた。
リコールは各組み合わせで75%以上であったが、精度は20%以下であった。
偽陽性 (FP) はこれらの低精度値の原因となった。
提案手法の予測はより正確で, より正確な地すべり検出が可能であった。
本研究は, 雨林に覆われた地域において, 植生のスペクトル応答とGleichenella spによる森林伐採地との類似性に関連して, 地すべりの検出に限界があることを実証した。
羽根は地すべりの傷の指標として一般的に用いられる。
関連論文リスト
- Automating global landslide detection with heterogeneous ensemble
deep-learning classification [44.99833362998488]
地すべりは道路、鉄道、建物、人間の生活などのインフラを脅かす。
危険に基づく空間計画と早期警戒システムは、地すべりから社会へのリスクを減らすための費用対効果の戦略である。
近年,中～高解像度の衛星画像を入力として,深層学習モデルを陸地マッピングに適用している。
論文 参考訳（メタデータ） (2023-09-12T10:56:16Z) - Domain Adaptive Synapse Detection with Weak Point Annotations [63.97144211520869]
弱点アノテーションを用いたドメイン適応型シナプス検出のためのフレームワークであるAdaSynを提案する。
I SBI 2023のWASPSYNチャレンジでは、我々の手法が第1位にランクインした。
論文 参考訳（メタデータ） (2023-08-31T05:05:53Z) - Comparison of machine learning algorithms for merging gridded satellite
and earth-observed precipitation data [7.434517639563671]
我々は,グローバル・ヒストリカル・クリマトロジー・ネットワークの月次降水データ,バージョン2。
その結果,2乗誤差スコアリング関数が最も正確であることが示唆された。
論文 参考訳（メタデータ） (2022-12-17T09:39:39Z) - SAR-based landslide classification pretraining leads to better
segmentation [0.8208704543835964]
自然災害後の迅速な評価は、緊急資源の優先順位付けの鍵となる。
ディープラーニングアルゴリズムはSARデータに適用可能だが、トレーニングには大きなラベル付きデータセットが必要である。
本稿では,SAR製品における地すべりセグメンテーションの深層学習アルゴリズムが事前学習の恩恵を受けるかを検討する。
論文 参考訳（メタデータ） (2022-11-17T22:57:18Z) - iSDF: Real-Time Neural Signed Distance Fields for Robot Perception [64.80458128766254]
iSDFは実時間符号付き距離場再構成のための連続学習システムである。
より正確な再構築と、衝突コストと勾配のより良い近似を生成する。
論文 参考訳（メタデータ） (2022-04-05T15:48:39Z) - Residual Moment Loss for Medical Image Segmentation [56.72261489147506]
位置情報は,対象物体の多様体構造を捉えた深層学習モデルに有効であることが証明された。
既存のほとんどの手法は、ネットワークが学習するために、位置情報を暗黙的にエンコードする。
セグメント化対象の位置情報を明示的に埋め込むために,新しい損失関数,すなわち残差モーメント(RM)損失を提案する。
論文 参考訳（メタデータ） (2021-06-27T09:31:49Z) - Improving Landslide Detection on SAR Data through Deep Learning [0.0]
深層学習畳み込みニューラルネットワーク(cnns)を用いて,光学画像上の地すべりマッピングと分類性能を評価する。
約8000の地震地すべりを発生させた地震前後の状況を分析した。
グラウンドレンジ検出(GRD)SARデータの組み合わせに基づくCNNは、全体の94%を超える精度に達した。
論文 参考訳（メタデータ） (2021-05-03T12:37:57Z) - Spatio-temporal Crop Classification On Volumetric Data [3.2880869992413246]
多スペクトル画像を用いた大規模作物分類は数十年にわたって広く研究されてきた問題である。
深層畳み込みニューラルネットワーク(dcnn)が提案されているが、ランダムフォレストに匹敵する結果しか得られていない。
本研究では,大規模作物分類のための新しいCNNアーキテクチャを提案する。
論文 参考訳（メタデータ） (2021-03-18T07:13:53Z) - Collaborative Training between Region Proposal Localization and
Classification for Domain Adaptive Object Detection [121.28769542994664]
オブジェクト検出のためのドメイン適応は、ラベル付きデータセットからラベル付きデータセットへの検出を適応させようとする。
本稿では,地域提案ネットワーク (RPN) と地域提案分類器 (RPC) が,大きなドメインギャップに直面した場合の転送可能性が大きく異なることを初めて明らかにする。
論文 参考訳（メタデータ） (2020-09-17T07:39:52Z) - JHU-CROWD++: Large-Scale Crowd Counting Dataset and A Benchmark Method [92.15895515035795]
我々は、"4,372"イメージと"1.51万"アノテーションを含む、新しい大規模非制約クラウドカウントデータセット(JHU-CROWD++)を導入する。
本稿では, 残差誤差推定により, 群集密度マップを段階的に生成する新しい群集カウントネットワークを提案する。
論文 参考訳（メタデータ） (2020-04-07T14:59:35Z) - Image Fine-grained Inpainting [89.17316318927621]
拡張畳み込みの密結合を利用してより大きく効果的な受容場を得る一段階モデルを提案する。
この効率的なジェネレータをよく訓練するために、頻繁に使用されるVGG特徴整合損失を除いて、新しい自己誘導回帰損失を設計する。
また、局所的・グローバルな分枝を持つ識別器を用いて、局所的・グローバルな内容の整合性を確保する。
論文 参考訳（メタデータ） (2020-02-07T03:45:25Z)
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。