論文の概要: ForestEyes Project: Conception, Enhancements, and Challenges
- arxiv url: http://arxiv.org/abs/2208.11687v1
- Date: Wed, 24 Aug 2022 17:48:12 GMT
- ステータス: 処理完了
- システム内更新日: 2022-08-25 13:05:12.004650
- Title: ForestEyes Project: Conception, Enhancements, and Challenges
- Title（参考訳）: ForestEyesプロジェクト:概念,拡張,課題
- Authors: Fernanda B. J. R. Dallaqua, \'Alvaro Luiz Fazenda, Fabio A. Faria
- Abstract要約: この研究はフォレストEyesという市民科学プロジェクトを紹介している。
リモートセンシング画像の解析と分類を通じてボランティアの回答を用いて、熱帯雨林の森林破壊地域をモニタリングする。
これらの回答の品質を評価するために、ブラジルの法律Amazonのリモートセンシング画像を使用して、さまざまなキャンペーン/ワークフローがローンチされた。
- 参考スコア（独自算出の注目度）: 68.8204255655161
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Rainforests play an important role in the global ecosystem. However,
significant regions of them are facing deforestation and degradation due to
several reasons. Diverse government and private initiatives were created to
monitor and alert for deforestation increases from remote sensing images, using
different ways to deal with the notable amount of generated data. Citizen
Science projects can also be used to reach the same goal. Citizen Science
consists of scientific research involving nonprofessional volunteers for
analyzing, collecting data, and using their computational resources to outcome
advancements in science and to increase the public's understanding of problems
in specific knowledge areas such as astronomy, chemistry, mathematics, and
physics. In this sense, this work presents a Citizen Science project called
ForestEyes, which uses volunteer's answers through the analysis and
classification of remote sensing images to monitor deforestation regions in
rainforests. To evaluate the quality of those answers, different
campaigns/workflows were launched using remote sensing images from Brazilian
Legal Amazon and their results were compared to an official groundtruth from
the Amazon Deforestation Monitoring Project PRODES. In this work, the first two
workflows that enclose the State of Rond\^onia in the years 2013 and 2016
received more than $35,000$ answers from $383$ volunteers in the $2,050$
created tasks in only two and a half weeks after their launch. For the other
four workflows, even enclosing the same area (Rond\^onia) and different setups
(e.g., image segmentation method, image resolution, and detection target), they
received $51,035$ volunteers' answers gathered from $281$ volunteers in $3,358$
tasks. In the performed experiments...
- Abstract（参考訳）: 熱帯雨林は世界の生態系において重要な役割を担っている。
しかし、森林破壊や劣化に直面している地域もいくつかある。
さまざまな政府と民間のイニシアチブが作成され、リモートセンシング画像からの森林破壊の増加を監視し、警告する。
市民科学のプロジェクトは、同じ目標を達成するためにも使用できる。
市民科学は、科学の進歩と天文学、化学、数学、物理学などの特定の知識領域における問題に対する一般の理解を高めるために、データの分析、収集、計算資源を使用する非専門家のボランティアを含む科学研究から成っている。
本研究は,熱帯雨林の森林破壊地域を監視するために,リモートセンシング画像の解析と分類を通じてボランティアの回答を用いた市民科学プロジェクトであるforesteyesを提案する。
これらの回答の質を評価するために、ブラジルの法律Amazonのリモートセンシング画像を用いて異なるキャンペーン/ワークフローをローンチし、その結果をAmazon Deforestation Monitoring Project PRODESの公式基盤と比較した。
この作業の中で、2013年と2016年にrond\^oniaの州を囲む最初の2つのワークフローは、立ち上げからわずか2週間半で作成された2,050ドルのタスクで、383ドルのボランティアから3万5000ドル以上の回答を得た。
他の4つのワークフローでは、同じ領域(rond\^onia)と異なるセットアップ(イメージセグメンテーション方法、画像解像度、検出対象など)を囲むでさえも、3258ドルのタスクで281ドルのボランティアから集まった51,035ドルのボランティアの回答が得られた。
実験では...
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) - Rapid Deforestation and Burned Area Detection using Deep Multimodal
Learning on Satellite Imagery [3.8073142980733]
アマゾンの森林における森林破壊の推定と火災検出は、広大な面積のために大きな課題となっている。
マルチモーダル衛星画像とリモートセンシングは、アマゾン地域の森林破壊を推定し、山火事を検出するための有望なソリューションを提供する。
本研究では、畳み込みニューラルネットワーク(CNN)と包括的データ処理技術を用いて、これらの問題を解決するための新しいキュレートデータセットとディープラーニングベースのアプローチを提案する。
論文 参考訳（メタデータ） (2023-07-10T21:49:30Z) - 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) - MultiEarth 2022 -- Multimodal Learning for Earth and Environment
Workshop and Challenge [17.4371831579002]
チャレンジの目標は、マルチモーダル情報処理のための共通ベンチマークを提供することである。
本稿では,3つのサブチャレンジの課題ガイドライン,データセット,評価指標について述べる。
論文 参考訳（メタデータ） (2022-04-15T20:59:02Z) - Counting Cows: Tracking Illegal Cattle Ranching From High-Resolution
Satellite Imagery [59.32805936205217]
牛の農業は世界の温室効果ガス排出量の8.8%を占めている。
40cmの解像度でアマゾンの衛星画像を取得し、合計28498頭の牛を含む903枚の画像のデータセットをまとめた。
本実験は,有望な結果を示し,これらの課題を解決するためのアルゴリズムとデータ収集プロセスのいずれにおいても,次のステップの重要方向を示すものである。
論文 参考訳（メタデータ） (2020-11-14T19:07:39Z) - Dynamic Community Detection into Analyzing of Wildfires Events [55.72431452586636]
本研究では,山火事の動態について,動的コミュニティ構造が明らかにする情報について検討する。
アマゾン盆地の火災イベントのMODISデータセットを用いた実験を行った。
以上の結果から,年間を通じて観測される山火事のパターンを明らかにすることが可能であることが示唆された。
論文 参考訳（メタデータ） (2020-11-02T17:31:47Z) - Learning Affordance Landscapes for Interaction Exploration in 3D
Environments [101.90004767771897]
エージェントは環境の仕組みを習得できなければならない。
相互作用探索のための強化学習手法を提案する。
AI2-iTHORで私たちのアイデアを実証します。
論文 参考訳（メタデータ） (2020-08-21T00:29:36Z) - CNN-based Density Estimation and Crowd Counting: A Survey [65.06491415951193]
本稿では,主にCNNに基づく密度マップ推定法において,群集数モデルについて包括的に検討する。
評価指標から, 観客数データセットで上位3人のパフォーマーを選択した。
我々は、今後のクラウドカウントの展開について、合理的な推測と予測を行うことを期待する。
論文 参考訳（メタデータ） (2020-03-28T13:17:30Z)
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。