論文の概要: Individual Tree Detection in Large-Scale Urban Environments using
High-Resolution Multispectral Imagery
- arxiv url: http://arxiv.org/abs/2208.10607v2
- Date: Wed, 24 Aug 2022 17:45:38 GMT
- ステータス: 処理完了
- システム内更新日: 2022-08-25 10:24:04.337781
- Title: Individual Tree Detection in Large-Scale Urban Environments using
High-Resolution Multispectral Imagery
- Title(参考訳): 高分解能マルチスペクトル画像を用いた大規模都市環境における個体木検出
- Authors: Jonathan Ventura, Milo Honsberger, Cameron Gonsalves, Julian Rice,
Camille Pawlak, Natalie L.R. Love, Skyler Han, Viet Nguyen, Keilana Sugano,
Jacqueline Doremus, G. Andrew Fricker, Jenn Yost, Matt Ritter
- Abstract要約: 畳み込みニューラルネットワークを用いて、個々の木の位置を示す信頼マップを回帰する。
本手法は,公共空間とプライベート空間の両方で樹木を検出することによって,完全な空間被覆を実現する。
- 参考スコア(独自算出の注目度): 2.2516022307446812
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: We introduce a novel deep learning method for detection of individual trees
in urban environments using high-resolution multispectral aerial imagery. We
use a convolutional neural network to regress a confidence map indicating the
locations of individual trees, which are localized using a peak finding
algorithm. Our method provides complete spatial coverage by detecting trees in
both public and private spaces, and can scale to very large areas. In our study
area spanning five cities in Southern California, we achieved an F-score of
0.735 and an RMSE of 2.157 m. We used our method to produce a map of all trees
in the urban forest of California, indicating the potential for our method to
support future urban forestry studies at unprecedented scales.
- Abstract(参考訳): 高分解能マルチスペクトル空中画像を用いた都市環境における個々の木検出のための新しい深層学習手法を提案する。
我々は畳み込みニューラルネットワークを用いて、ピーク探索アルゴリズムを用いて局所化された個々の木の位置を示す信頼マップを回帰する。
本手法は,公共空間と私的空間の両方で木を検知し,非常に広い範囲に拡張可能な空間被覆を提供する。
南カリフォルニアの5都市を対象とした調査では、Fスコア0.735、RMSE2.157mを達成した。
筆者らは,カリフォルニア州の都市森林における全樹木の地図作成に本手法を応用し,今後の都市林業研究を支援する可能性を示唆した。
関連論文リスト
- 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) - Spatial Implicit Neural Representations for Global-Scale Species Mapping [72.92028508757281]
ある種が観察された場所の集合を考えると、その種がどこにいても存在しないかを予測するためのモデルを構築することが目的である。
従来の手法は、新たな大規模クラウドソースデータセットを活用するのに苦労している。
本研究では,47k種の地理的範囲を同時に推定するために,空間入射ニューラル表現(SINR)を用いる。
論文 参考訳(メタデータ) (2023-06-05T03:36:01Z) - Sub-Meter Tree Height Mapping of California using Aerial Images and
LiDAR-Informed U-Net Model [0.0]
樹冠の高さは、森林のバイオマス、生産性、種多様性の最も重要な指標の1つである。
そこで我々は,カリフォルニアのすべての樹冠の高さを高解像度の空中画像でマッピングするために,回帰に適応したU-Netモデルを用いた。
本モデルでは, 飽和のないキャノピー高さを最大50mまで推定し, 既存のキャノピー高さ製品よりも高い性能を示した。
論文 参考訳(メタデータ) (2023-06-02T22:29:58Z) - Very high resolution canopy height maps from RGB imagery using
self-supervised vision transformer and convolutional decoder trained on
Aerial Lidar [14.07306593230776]
本稿では,複数の非国家の管轄区域で同時に作成される最初の高分解能天蓋の高さマップについて述べる。
地図は、2017年から2020年にかけて、マクサー画像に基づいて訓練された自己教師モデルから特徴を抽出することによって生成される。
また、GEDI観測に基づいて訓練された畳み込みネットワークを用いた後処理のステップも導入する。
論文 参考訳(メタデータ) (2023-04-14T15:52:57Z) - GraphCSPN: Geometry-Aware Depth Completion via Dynamic GCNs [49.55919802779889]
本稿では,グラフ畳み込みに基づく空間伝搬ネットワーク(GraphCSPN)を提案する。
本研究では、幾何学的表現学習において、畳み込みニューラルネットワークとグラフニューラルネットワークを相補的に活用する。
提案手法は,数段の伝搬ステップのみを使用する場合と比較して,最先端の性能を実現する。
論文 参考訳(メタデータ) (2022-10-19T17:56:03Z) - 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) - SelfTune: Metrically Scaled Monocular Depth Estimation through
Self-Supervised Learning [53.78813049373321]
本稿では,事前学習した教師付き単分子深度ネットワークに対する自己教師付き学習手法を提案する。
本手法は移動ロボットナビゲーションなどの様々な応用に有用であり,多様な環境に適用可能である。
論文 参考訳(メタデータ) (2022-03-10T12:28:42Z) - Automatic Quantification and Visualization of Street Trees [29.343663350855522]
この研究はまず、道端の木を数えるために慎重に設計されたデータ収集のセットアップを説明します。
次に,木を頑健に検出・定量化することを目的とした,ユニークなアノテーション手法について述べる。
本稿では,現在のオブジェクト検出手法と,新しい単純なカウントアルゴリズムを用いて,ストリートツリーの検出,カウント,可視化を行うフレームワークを提案する。
論文 参考訳(メタデータ) (2022-01-17T18:44:46Z) - 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) - OmniSLAM: Omnidirectional Localization and Dense Mapping for
Wide-baseline Multi-camera Systems [88.41004332322788]
超広視野魚眼カメラ(FOV)を用いた広視野多視点ステレオ構成のための全方向位置決めと高密度マッピングシステムを提案する。
より実用的で正確な再構築のために、全方向深度推定のための改良された軽量のディープニューラルネットワークを導入する。
我々は全方位深度推定をビジュアル・オドメトリー(VO)に統合し,大域的整合性のためのループ閉鎖モジュールを付加する。
論文 参考訳(メタデータ) (2020-03-18T05:52:10Z) - Geocoding of trees from street addresses and street-level images [24.114405100879278]
街路面パノラマ画像を用いた地理座標を用いた古木在庫の更新手法を提案する。
本手法は, 古い在庫を地理的座標で再現し, 新たな在庫と接続し, 樹木の枯死等に関する長期研究を容易にする。
論文 参考訳(メタデータ) (2020-02-05T10:13:43Z)
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。