Fugu-MT 論文翻訳(概要): EOD: The IEEE GRSS Earth Observation Database

論文の概要: EOD: The IEEE GRSS Earth Observation Database

arxiv url: http://arxiv.org/abs/2209.12480v1
Date: Mon, 26 Sep 2022 07:44:41 GMT
ステータス: 処理完了
システム内更新日: 2022-09-27 16:32:31.204854
Title: EOD: The IEEE GRSS Earth Observation Database
Title（参考訳）: eod:ieee grss 地球観測データベース
Authors: Michael Schmitt, Pedram Ghamisi, Naoto Yokoya, Ronny H\"ansch
Abstract要約: ディープラーニングの時代、注釈付きデータセットはリモートセンシングコミュニティにとって重要な資産となっている。 EODは、リモートセンシング画像を活用するさまざまなタイプのデータセットをカタログ化するためのインタラクティブなオンラインプラットフォームである。
参考スコア（独自算出の注目度）: 21.824996070545616
License: http://creativecommons.org/licenses/by/4.0/
Abstract: In the era of deep learning, annotated datasets have become a crucial asset to the remote sensing community. In the last decade, a plethora of different datasets was published, each designed for a specific data type and with a specific task or application in mind. In the jungle of remote sensing datasets, it can be hard to keep track of what is available already. With this paper, we introduce EOD - the IEEE GRSS Earth Observation Database (EOD) - an interactive online platform for cataloguing different types of datasets leveraging remote sensing imagery.
Abstract（参考訳）: ディープラーニングの時代、注釈付きデータセットはリモートセンシングコミュニティにとって重要な資産となっている。過去10年間、さまざまなデータセットが公開され、それぞれが特定のデータタイプと特定のタスクやアプリケーションを念頭に置いて設計された。リモートセンシングデータセットのジャングルでは、すでに利用可能なものを追跡することは困難である。本稿では,EOD - IEEE GRSS Earth Observation Database (EOD) - リモートセンシング画像を利用したさまざまな種類のデータセットをカタログ化するためのインタラクティブなオンラインプラットフォームについて紹介する。

関連論文リスト

There Are No Data Like More Data- Datasets for Deep Learning in Earth Observation [6.839093061382966]
私たちは、地球観測データ専用の機械学習データセットをスポットライトに入れたいと思っています。我々は、私たちのデータの性質が地球観測コミュニティを区別するものであるという理解に貢献したいと考えています。
論文参考訳（メタデータ） (2023-10-30T02:19:16Z)
trajdata: A Unified Interface to Multiple Human Trajectory Datasets [32.93180256927027]
複数の人的トラジェクトリデータセットに対する統一インターフェースであるtrajdataを提案する。 Trajdataは、トラジェクトリとマップデータのためのシンプルで均一で効率的な表現とAPIを提供する。
論文参考訳（メタデータ） (2023-07-26T02:45:59Z)
Ben-ge: Extending BigEarthNet with Geographical and Environmental Data [1.1377027568901037]
本稿では,世界規模で利用可能な地理・環境データを自由にコンパイルすることで,BigEarthNet-MMデータセットを補完するben-geデータセットを提案する。このデータセットに基づいて、パッチベースの土地利用/土地被覆分類と土地利用/土地被覆区分の下流タスクに異なるデータモダリティを組み合わせる価値を示す。
論文参考訳（メタデータ） (2023-07-04T14:17:54Z)
infoVerse: A Universal Framework for Dataset Characterization with Multidimensional Meta-information [68.76707843019886]
infoVerseは、データセットの特徴付けのための普遍的なフレームワークである。 infoVerseは、様々なモデル駆動メタ情報を統合することで、データセットの多次元特性をキャプチャする。実世界の3つのアプリケーション(データプルーニング、アクティブラーニング、データアノテーション)において、infoVerse空間で選択されたサンプルは、強いベースラインを一貫して上回る。
論文参考訳（メタデータ） (2023-05-30T18:12:48Z)
GeoMultiTaskNet: remote sensing unsupervised domain adaptation using geographical coordinates [6.575290987792054]
ランドカバーマップは、地球観測(EO)の幅広い応用において重要な要素である。教師なしのドメイン適応(UDA)は、ラベルが利用可能なソースドメインでトレーニングされたモデルを、アノテーションなしでターゲットドメインに適応させることによって、これらの問題に対処することができる。セグメンテーション損失をクラス頻度に適応させるために,新しい軽量モデルGeoMultiTaskNetを提案する。
論文参考訳（メタデータ） (2023-04-16T11:00:43Z)
EarthNets: Empowering AI in Earth Observation [24.160463837610074]
地球観測(EO)は、リモートセンシングデータを用いて惑星地球の状態を監視することを目的としている。本稿では,500以上の公開データセットの総合的なレビューを行う。モデル評価のための新しいベンチマークを構築するために,データセットを計測,ランク付け,選択することを提案する。
論文参考訳（メタデータ） (2022-10-10T18:09:35Z)
Detection Hub: Unifying Object Detection Datasets via Query Adaptation on Language Embedding [137.3719377780593]
新しいデザイン(De Detection Hubという名前)は、データセット認識とカテゴリ整列である。データセットの不整合を緩和し、検出器が複数のデータセットをまたいで学習するための一貫性のあるガイダンスを提供する。データセット間のカテゴリは、ワンホットなカテゴリ表現を単語埋め込みに置き換えることで、意味的に統一された空間に整列される。
論文参考訳（メタデータ） (2022-06-07T17:59:44Z)
A Survey on RGB-D Datasets [69.73803123972297]
本稿では,深度情報を含む画像データセットをレビューし,分類した。アクセス可能なデータを含む203のデータセットを収集し、それらをシーン/オブジェクト、ボディ、医療の3つのカテゴリに分類しました。
論文参考訳（メタデータ） (2022-01-15T05:35:19Z)
Unsupervised Domain Adaptive Learning via Synthetic Data for Person Re-identification [101.1886788396803]
人物再識別(re-ID)は、ビデオ監視に広く応用されているため、ますます注目を集めている。残念なことに、主流のディープラーニング手法では、モデルをトレーニングするために大量のラベル付きデータが必要です。本稿では,コンピュータゲーム内で合成されたre-IDサンプルを自動的に生成するデータコレクタを開発し,同時にアノテートするデータラベラを構築した。
論文参考訳（メタデータ） (2021-09-12T15:51:41Z)
Simple multi-dataset detection [83.9604523643406]
複数の大規模データセット上で統合検出器を訓練する簡単な方法を提案する。データセット固有のアウトプットを共通の意味分類に自動的に統合する方法を示す。私たちのアプローチは手動の分類学の調整を必要としません。
論文参考訳（メタデータ） (2021-02-25T18:55:58Z)
Open Graph Benchmark: Datasets for Machine Learning on Graphs [86.96887552203479]
スケーラブルで堅牢で再現可能なグラフ機械学習(ML)の研究を容易にするために,Open Graph Benchmark(OGB)を提案する。 OGBデータセットは大規模で、複数の重要なグラフMLタスクを含み、さまざまなドメインをカバーする。各データセットに対して,有意義なアプリケーション固有のデータ分割と評価指標を用いた統一評価プロトコルを提供する。
論文参考訳（メタデータ） (2020-05-02T03:09:50Z)

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。