論文の概要: Semantic Clustering of a Sequence of Satellite Images
- arxiv url: http://arxiv.org/abs/2208.13504v1
- Date: Mon, 29 Aug 2022 11:19:36 GMT
- ステータス: 処理完了
- システム内更新日: 2022-08-30 13:13:04.061396
- Title: Semantic Clustering of a Sequence of Satellite Images
- Title（参考訳）: 衛星画像の一連の意味的クラスタリング
- Authors: Carlos Echegoyen, Aritz P\'erez, Guzm\'an Santaf\'e, Unai P\'erez-Goya
and Mar\'ia Dolores Ugarte
- Abstract要約: 衛星画像の時間的シーケンスが与えられると、その意味的特性に応じて地面の分割が生成される。
これらのタイル列の埋め込みと分割的なクラスタリングは、2つの反復的なステップで構成される。
ナバラ(スペイン)地域の20の衛星画像列のセマンティッククラスタリングを行う手法について述べる。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: Satellite images constitute a highly valuable and abundant resource for many
real world applications. However, the labeled data needed to train most machine
learning models are scarce and difficult to obtain. In this context, the
current work investigates a fully unsupervised methodology that, given a
temporal sequence of satellite images, creates a partition of the ground
according to its semantic properties and their evolution over time. The
sequences of images are translated into a grid of multivariate time series of
embedded tiles. The embedding and the partitional clustering of these sequences
of tiles are constructed in two iterative steps: In the first step, the
embedding is able to extract the information of the sequences of tiles based on
a geographical neighborhood, and the tiles are grouped into clusters. In the
second step, the embedding is refined by using the neighborhood defined by the
clusters, and the final clustering of the sequences of tiles is obtained. We
illustrate the methodology by conducting the semantic clustering of a sequence
of 20 satellite images of the region of Navarra (Spain). The results show that
the clustering of multivariate time series is robust and contains trustful
spatio-temporal semantic information about the region under study. We unveil
the close connection that exists between the geographic and embedded spaces,
and find out that the semantic properties attributed to these kinds of
embeddings are fully exploited and even enhanced by the proposed clustering of
time series.
- Abstract（参考訳）: 衛星画像は多くの実世界のアプリケーションにとって非常に価値が高く豊富な資源となっている。
しかし、ほとんどの機械学習モデルをトレーニングするために必要なラベル付きデータは、入手が困難である。
この文脈において、現在の研究は、衛星画像の時間的シーケンスが与えられたとき、その意味的特性と時間的変化に応じて地面の分割を生成する、完全に教師なしの方法論を調査している。
画像のシーケンスは、埋め込まれたタイルの多変量時系列のグリッドに変換される。
これらのタイル列の埋め込みと分割的なクラスタリングは、2つの反復的なステップで構成される: 最初のステップでは、埋め込みは地理的近傍に基づいてタイル列の情報を取り出すことができ、タイルはクラスタにグループ化される。
第2のステップでは、クラスタによって定義された近傍を用いて埋め込みを洗練し、タイルのシーケンスの最終的なクラスタリングを得る。
本研究では,ナバラ(スペイン)地域の20の衛星画像のセマンティッククラスタリングを行う手法について述べる。
その結果,多変量時系列のクラスタリングは頑健であり,研究対象地域に関する信頼度の高い時空間的意味情報を含んでいることがわかった。
地理空間と埋め込み空間の間に存在する密接な関係を明らかにし,これらの組込みによって引き起こされる意味的性質が,時系列のクラスタリングによって十分に活用され,さらに強化されていることを明らかにする。
関連論文リスト
- MambaDS: Near-Surface Meteorological Field Downscaling with Topography Constrained Selective State Space Modeling [68.69647625472464]
気象予測において重要な課題であるダウンスケーリングは、ターゲット領域に対する高解像度気象状態の再構築を可能にする。
以前のダウンスケーリング手法には気象学のための調整された設計が欠けており、構造的な限界に遭遇した。
本稿では,多変数相関と地形情報の利用性を高める新しいモデルであるMambaDSを提案する。
論文 参考訳（メタデータ） (2024-08-20T13:45:49Z) - SFANet: Spatial-Frequency Attention Network for Weather Forecasting [54.470205739015434]
天気予報は様々な分野において重要な役割を担い、意思決定とリスク管理を推進している。
伝統的な手法は、しばしば気象系の複雑な力学を捉えるのに苦労する。
本稿では,これらの課題に対処し,天気予報の精度を高めるための新しい枠組みを提案する。
論文 参考訳（メタデータ） (2024-05-29T08:00:15Z) - Region-aware Distribution Contrast: A Novel Approach to Multi-Task Partially Supervised Learning [50.88504784466931]
マルチタスク密度予測にはセマンティックセグメンテーション、深さ推定、表面正規推定が含まれる。
既存のソリューションは通常、グローバルなクロスタスク画像マッチングのためのグローバルなイメージ表現の学習に依存している。
本提案では,ガウス分布を用いた地域表現をモデル化する。
論文 参考訳（メタデータ） (2024-03-15T12:41:30Z) - Semi-Automated Segmentation of Geoscientific Data Using Superpixels [4.035753155957697]
地質学的プロセスは、臨界鉱物、水、地熱エネルギーなどの資源の分布を決定する。
スーパーピクセルの概念に触発されて,類似した特徴を持つ領域に分割したサーベイデータに対する深層学習に基づくアプローチを提案する。
論文 参考訳（メタデータ） (2023-03-20T19:21:46Z) - A General Purpose Neural Architecture for Geospatial Systems [142.43454584836812]
本稿では,空間的帰納バイアスを持つ汎用ニューラルアーキテクチャ(GPNA)の構築に向けたロードマップを示す。
このようなモデルがコミュニティのメンバー間の協力をいかに促進するかを考察する。
論文 参考訳（メタデータ） (2022-11-04T09:58:57Z) - Activation Regression for Continuous Domain Generalization with
Applications to Crop Classification [48.795866501365694]
衛星画像の地理的変異は、機械学習モデルが新しい領域に一般化する能力に影響を与える。
中分解能ランドサット8衛星画像の地理的一般化を連続領域適応問題としてモデル化する。
我々は,アメリカ大陸全域に空間分布するデータセットを開発した。
論文 参考訳（メタデータ） (2022-04-14T15:41:39Z) - A Review of Landcover Classification with Very-High Resolution Remotely
Sensed Optical Images-Analysis Unit,Model Scalability and Transferability [4.704131850850489]
ランドカバー分類は、超高解像度(VHR)画像解析において最も難しい課題の1つである。
ディープラーニング(DL)に基づく土地被覆手法とトレーニング戦略の急速な増加が最先端であると主張されているため、既に断片化された土地被覆マッピング手法の技術的景観はさらに複雑である。
論文 参考訳（メタデータ） (2022-02-07T16:38:40Z) - Attention-augmented Spatio-Temporal Segmentation for Land Cover Mapping [9.992909929182202]
衛星データの空間的および時間的性質を共同利用するために、UNet構造と双方向LSTMおよび注意メカニズムを組み込んだ新しいアーキテクチャを紹介します。
世界中の複数地域で作物をマッピングする手法の評価を行った。
論文 参考訳（メタデータ） (2021-05-02T05:39:42Z) - Boundary Regularized Building Footprint Extraction From Satellite Images
Using Deep Neural Network [6.371173732947292]
本稿では,1つの衛星画像から構築事例を共同で検出し,ノイズの多い建物の境界形状を規則化する,新しいディープニューラルネットワークを提案する。
本モデルでは,オブジェクトの局所化,認識,セマンティックラベリング,幾何学的形状抽出を同時に行うことができる。
論文 参考訳（メタデータ） (2020-06-23T17:24:09Z) - Attentive Weakly Supervised land cover mapping for object-based
satellite image time series data with spatial interpretation [4.549831511476249]
本稿では,粗粒度ラベルの弱さをインテリジェントに活用できる,TASSELという新しいディープラーニングフレームワークを提案する。
私たちのフレームワークは、ブラックボックスをグレーにする目的で、モデル解釈可能性をサポートする追加のサイド情報も生成します。
論文 参考訳（メタデータ） (2020-04-30T10:23:12Z) - Seismic horizon detection with neural networks [62.997667081978825]
本稿では,複数の実地震立方体上での地平線検出にバイナリセグメンテーションを適用し,予測モデルのキューブ間一般化に着目したオープンソースの研究である。
本研究の主な貢献は,複数実地震立方体における地平線検出にバイナリセグメンテーションを適用し,予測モデルのキューブ間一般化に着目したオープンソースの研究である。
論文 参考訳（メタデータ） (2020-01-10T11:30:50Z)
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。