論文の概要: Neuroevolution-based Classifiers for Deforestation Detection in Tropical
Forests
- arxiv url: http://arxiv.org/abs/2208.11058v1
- Date: Tue, 23 Aug 2022 16:04:12 GMT
- ステータス: 処理完了
- システム内更新日: 2022-08-24 13:24:21.144774
- Title: Neuroevolution-based Classifiers for Deforestation Detection in Tropical
Forests
- Title（参考訳）: 熱帯森林における森林破壊検出のための神経進化型分類器
- Authors: Guilherme A. Pimenta and Fernanda B. J. R. Dallaqua and Alvaro Fazenda
and Fabio A. Faria
- Abstract要約: 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。
- 参考スコア（独自算出の注目度）: 62.997667081978825
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Tropical forests represent the home of many species on the planet for flora
and fauna, retaining billions of tons of carbon footprint, promoting clouds and
rain formation, implying a crucial role in the global ecosystem, besides
representing the home to countless indigenous peoples. Unfortunately, millions
of hectares of tropical forests are lost every year due to deforestation or
degradation. To mitigate that fact, monitoring and deforestation detection
programs are in use, in addition to public policies for the prevention and
punishment of criminals. These monitoring/detection programs generally use
remote sensing images, image processing techniques, machine learning methods,
and expert photointerpretation to analyze, identify and quantify possible
changes in forest cover. Several projects have proposed different computational
approaches, tools, and models to efficiently identify recent deforestation
areas, improving deforestation monitoring programs in tropical forests. In this
sense, this paper proposes the use of pattern classifiers based on
neuroevolution technique (NEAT) in tropical forest deforestation detection
tasks. Furthermore, a novel framework called e-NEAT has been created and
achieved classification results above $90\%$ for balanced accuracy measure in
the target application using an extremely reduced and limited training set for
learning the classification models. These results represent a relative gain of
$6.2\%$ over the best baseline ensemble method compared in this paper
- Abstract（参考訳）: 熱帯林は、地球上の多くの植物や動物相の生息地を表しており、何十億トンもの炭素の足跡を保持し、雲や雨の形成を促進し、世界中の生態系において重要な役割を担っている。
不幸にも、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ている。
この事実を緩和するために、犯罪者の予防と処罰のための公共政策に加えて、監視および森林破壊検出プログラムが使用されている。
これらの監視・検出プログラムは、一般的に、リモートセンシング画像、画像処理技術、機械学習手法、および専門家の光解釈を使用して、森林被覆の変化を解析、識別、定量化する。
いくつかのプロジェクトでは、近年の森林破壊地域を効率的に特定するための異なる計算手法、ツール、モデルを提案しており、熱帯森林の森林破壊監視プログラムを改善している。
本稿では,熱帯森林伐採検出タスク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。
さらに、e-NEATと呼ばれる新しいフレームワークが作成され、分類モデルを学ぶための極端に小さく制限されたトレーニングセットを使用して、ターゲットアプリケーションにおける平衡精度測定のための90\%以上の分類結果を得た。
これらの結果は, 最良基準アンサンブル法に対する6.2\%の相対的な利得を示す。
関連論文リスト
- Sampling Strategies based on Wisdom of Crowds for Amazon Deforestation Detection [0.5825410941577593]
2019年4月、フォレストアイス(FE)と呼ばれる市民科学と機械学習モデルに基づくプロジェクトが立ち上げられた。
FEは、森林破壊監視の取り組みにおいて、政府や非営利団体の専門家を支援する補助データを提供する。
最近の研究では、FEプロジェクトのボランティア/市民科学者のラベル付けが機械学習モデルの調整に役立つことが示されている。
論文 参考訳（メタデータ） (2024-08-22T13:21:47Z) - 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) - ForensicsForest Family: A Series of Multi-scale Hierarchical Cascade Forests for Detecting GAN-generated Faces [53.739014757621376]
我々は,GAN生成顔を検出するために,EmforensicsForest Familyと呼ばれる簡易かつ効果的な森林法について述べる。
ForenscisForestは、新しく提案された多層階層のカスケード林である。
Hybrid ForensicsForestはCNNレイヤをモデルに統合する。
Divide-and-Conquer ForensicsForestは、トレーニングサンプリングの一部のみを使用して、森林モデルを構築することができる。
論文 参考訳（メタデータ） (2023-08-02T06:41:19Z) - Detecting Deforestation from Sentinel-1 Data in the Absence of Reliable
Reference Data [3.222802562733787]
信頼性のある基準データがない場合に森林破壊検出のための新しい手法を提案し,評価する。
この方法は、研究領域で96.5%の変化検出感度(生産者の精度)を実現する。
その結果, センチネル-1のデータは, 地球規模の森林破壊モニタリングのタイムラインを前進させる可能性が示唆された。
論文 参考訳（メタデータ） (2022-05-24T15:08:02Z) - 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) - Potato Crop Stress Identification in Aerial Images using Deep
Learning-based Object Detection [60.83360138070649]
本稿では, 深層ニューラルネットワークを用いたジャガイモの空中画像解析手法を提案する。
主な目的は、植物レベルでの健康作物とストレス作物の自動空間認識を実証することである。
実験により、フィールド画像中の健康植物とストレス植物を識別し、平均Dice係数0.74を達成できることを示した。
論文 参考訳（メタデータ） (2021-06-14T21:57:40Z) - 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) - Deep Learning based Automated Forest Health Diagnosis from Aerial Images [0.0]
航空画像に基づく森林分析は、死んだ木や生きた木を早期に検出することができる。
本研究では,再訓練したMask RCNNアプローチを用いて,空中画像からの枯木自動検出のための新しいフレームワークを提案する。
画像中の枯れ木をラベル付けするために、枯れ木マスクの数を自動生成し、計算することができます。
論文 参考訳（メタデータ） (2020-10-16T15:07:56Z) - SLIC-UAV: A Method for monitoring recovery in tropical restoration
projects through identification of signature species using UAVs [0.0]
本研究では, 熱帯林における初期絶滅種を地図化するために, 無人航空機 (UAV) 画像の処理を行うパイプラインSLIC-UAVを提案する。
a)UAV画像からクラウンをラベル付けするための時間効率のよいアプローチ、(b)個々の樹冠のスペクトル的特徴とテクスチャ的特徴に基づく種の機械学習、(c)UAV画像を「スーパーピクセル」に自動分割するパイプラインは新規である。
本研究は,熱帯林の復元地域における優占樹種の地図化におけるSlic-UAVの意義を実証するものである。
論文 参考訳（メタデータ） (2020-06-11T17:22:56Z) - 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)
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。