論文の概要: Hyperspectral Remote Sensing Benchmark Database for Oil Spill Detection
with an Isolation Forest-Guided Unsupervised Detector
- arxiv url: http://arxiv.org/abs/2209.14971v1
- Date: Wed, 28 Sep 2022 02:26:42 GMT
- ステータス: 処理完了
- システム内更新日: 2022-09-30 16:46:21.281602
- Title: Hyperspectral Remote Sensing Benchmark Database for Oil Spill Detection
with an Isolation Forest-Guided Unsupervised Detector
- Title（参考訳）: 森林誘導無監督検出器を用いた油流出検出のためのハイパースペクトルリモートセンシングベンチマークデータベース
- Authors: Puhong Duan and Xudong Kang and Pedram Ghamisi
- Abstract要約: 近年、海洋石油流出事故が環境、天然資源、沿岸住民の生活に深刻な影響を与えているため、石油流出の検出が注目されている。
既存のアプローチのほとんどは、ハイパースペクトル画像(HSI)からのオイル流出を検出するための教師付きおよび半教師付きフレームワークに基づいている。
本研究では,HSIの孤立林を基盤とした非監督型油流出検出手法の開発を初めて試みる。
- 参考スコア（独自算出の注目度）: 13.739881592455044
- License: http://creativecommons.org/publicdomain/zero/1.0/
- Abstract: Oil spill detection has attracted increasing attention in recent years since
marine oil spill accidents severely affect environments, natural resources, and
the lives of coastal inhabitants. Hyperspectral remote sensing images provide
rich spectral information which is beneficial for the monitoring of oil spills
in complex ocean scenarios. However, most of the existing approaches are based
on supervised and semi-supervised frameworks to detect oil spills from
hyperspectral images (HSIs), which require a huge amount of effort to annotate
a certain number of high-quality training sets. In this study, we make the
first attempt to develop an unsupervised oil spill detection method based on
isolation forest for HSIs. First, considering that the noise level varies among
different bands, a noise variance estimation method is exploited to evaluate
the noise level of different bands, and the bands corrupted by severe noise are
removed. Second, kernel principal component analysis (KPCA) is employed to
reduce the high dimensionality of the HSIs. Then, the probability of each pixel
belonging to one of the classes of seawater and oil spills is estimated with
the isolation forest, and a set of pseudo-labeled training samples is
automatically produced using the clustering algorithm on the detected
probability. Finally, an initial detection map can be obtained by performing
the support vector machine (SVM) on the dimension-reduced data, and then, the
initial detection result is further optimized with the extended random walker
(ERW) model so as to improve the detection accuracy of oil spills. Experiments
on airborne hyperspectral oil spill data (HOSD) created by ourselves
demonstrate that the proposed method obtains superior detection performance
with respect to other state-of-the-art detection approaches.
- Abstract（参考訳）: 近年、海洋石油流出事故が環境、天然資源、沿岸住民の生活に深刻な影響を与え、石油流出の検出が注目されている。
ハイパースペクトルリモートセンシング画像は、複雑な海洋シナリオにおける石油流出のモニタリングに有用な豊富なスペクトル情報を提供する。
しかし、既存のアプローチのほとんどは、ハイパースペクトル画像(HSI)からのオイル流出を検出するための教師付きおよび半教師付きフレームワークに基づいている。
本研究では,HSIの孤立林を基盤とした非監督型油流出検出手法の開発を初めて試みる。
まず、異なる帯域間でノイズレベルが変化することを考慮し、異なる帯域のノイズレベルを評価するノイズ分散推定法を活用し、重騒音で破損した帯域を除去する。
次に、カーネル主成分分析(KPCA)を用いて、HSIの高次元性を低減する。
そして、この隔離林から海水・油流出の類に属する各画素の確率を推定し、検出された確率に基づいてクラスタリングアルゴリズムを用いて擬似ラベル付きトレーニングサンプルのセットを自動生成する。
そして、この寸法低減データ上で支持ベクトルマシン(SVM)を実行して初期検出マップを得ることができ、次いで、拡張ランダムウォーカ(ERW)モデルにより初期検出結果をさらに最適化し、オイル流出の検出精度を向上させる。
航空機搭載超スペクトル油流出データ(hosd)を用いた実験により,提案手法は他の最先端検出手法に比べて優れた検出性能を得た。
関連論文リスト
- Multitask Learning for SAR Ship Detection with Gaussian-Mask Joint Segmentation [20.540873039361102]
本稿では,オブジェクト検出,スペックル抑制,ターゲットセグメンテーションタスクからなるSAR船舶検出のためのマルチタスク学習フレームワークを提案する。
アスペクト比重み付けによる角度分類損失を導入し、角度周期性と物体比に対処して検出精度を向上させる。
スペックル抑制タスクはデュアルフュージョンアテンション機構を使用してノイズを低減し、浅くノイズを生じさせる特徴を融合させ、ロバスト性を高める。
ターゲットセグメンテーションタスクは、回転したガウスマスクを利用して、乱雑な背景から対象領域を抽出するネットワークを支援し、画素レベルの予測により検出効率を向上させる。
論文 参考訳（メタデータ） (2024-11-21T05:10:41Z) - LLMCount: Enhancing Stationary mmWave Detection with Multimodal-LLM [1.8326853076179552]
LLMCountは,大規模言語モデル(LLM)の機能を活用して,群衆検出性能を向上させる最初のシステムである。
システムの性能を評価するため,ホール,会議室,映画館などの多彩なシナリオ下で総合的な評価を行う。
論文 参考訳（メタデータ） (2024-09-24T16:09:29Z) - Dynamic Loss Decay based Robust Oriented Object Detection on Remote Sensing Images with Noisy Labels [17.211935951030114]
本研究では,動的損失減衰(DLD)機構を用いた頑健な指向性リモートセンシングオブジェクト検出手法を提案する。
弊社のソリューションは、2023年のNational Big Data and Computing Intelligence Challengeのノイズの多いラベルで、“サブメーターのリモートセンシング画像に基づくきめ細かいオブジェクト検出”の2位を獲得した。
論文 参考訳（メタデータ） (2024-05-15T01:29:28Z) - SoftPatch: Unsupervised Anomaly Detection with Noisy Data [67.38948127630644]
本稿では,画像センサ異常検出におけるラベルレベルのノイズを初めて考察する。
本稿では,メモリベースの非教師付きAD手法であるSoftPatchを提案する。
既存の手法と比較して、SoftPatchは通常のデータの強力なモデリング能力を維持し、コアセットにおける過信問題を軽減する。
論文 参考訳（メタデータ） (2024-03-21T08:49:34Z) - FS-BAND: A Frequency-Sensitive Banding Detector [55.59101150019851]
バンディング・アーティファクト(Banding artifact)は、階段のような輪郭(contour)として知られ、圧縮や伝達などで発生する一般的な品質の不快さである。
周波数感度バンディング検出器 (FS-BAND) と呼ばれる,帯状アーティファクトを捕捉・評価するための非参照帯状検出モデルを提案する。
実験結果から,FS-BAND法は画像品質評価(IQA)手法よりもバンドリング分類タスクの精度が高い結果を得た。
論文 参考訳（メタデータ） (2023-11-30T03:20:42Z) - Learning Heavily-Degraded Prior for Underwater Object Detection [59.5084433933765]
本稿では、検出器フレンドリーな画像から、転送可能な事前知識を求める。
これは、検出器フレンドリー(DFUI)と水中画像の高度に劣化した領域が、特徴分布のギャップがあることを統計的に観察したものである。
高速かつパラメータの少ない本手法は変圧器型検出器よりも優れた性能を保っている。
論文 参考訳（メタデータ） (2023-08-24T12:32:46Z) - Small Object Detection via Coarse-to-fine Proposal Generation and
Imitation Learning [52.06176253457522]
本稿では,粗粒度パイプラインと特徴模倣学習に基づく小型物体検出に適した2段階フレームワークを提案する。
CFINetは、大規模な小さなオブジェクト検出ベンチマークであるSODA-DとSODA-Aで最先端の性能を達成する。
論文 参考訳（メタデータ） (2023-08-18T13:13:09Z) - Evaluation of the potential of Near Infrared Hyperspectral Imaging for
monitoring the invasive brown marmorated stink bug [53.682955739083056]
BMSB(Halyomorpha halys)は、数種の作物を害する世界的重要性の害虫である。
本研究は、BMSB検体を検出する技術として、NIR-HSI(Near Infrared Hyperspectral Imaging)を実験室レベルで予備評価する。
論文 参考訳（メタデータ） (2023-01-19T11:37:20Z) - Deep learning based automatic detection of offshore oil slicks using SAR
data and contextual information [0.0]
本稿では,両種類のスリックを有する広範囲なデータベース上で,オフショアオイルスリックの自動化について述べる。
これは、Sentinel-1 SARデータ上の特殊な写真解釈器のスリックアノテーションを、世界中の3つの探査および監視エリアで4年間にわたって構築している。
本研究の主な成果は,深層学習によるスリック検出の有効性である。
論文 参考訳（メタデータ） (2022-04-13T13:30:16Z) - Spatial-Phase Shallow Learning: Rethinking Face Forgery Detection in
Frequency Domain [88.7339322596758]
本論文では,空間画像と位相スペクトルを組み合わせ,顔の偽造のアップサンプリング成果をキャプチャするSPSL(Spatial-Phase Shallow Learning)法を提案する。
SPSLは、クロスデータセット評価における最先端性能とマルチクラス分類を実現し、単一データセット評価において同等の結果を得ることができる。
論文 参考訳（メタデータ） (2021-03-02T16:45:08Z) - Large-scale detection and categorization of oil spills from SAR images
with deep learning [4.716034416800441]
本研究では,合成開口レーダ(SAR)画像中の油流出を大規模に検出し,分類するためのディープラーニングフレームワークを提案する。
また,SARにおける石油流出検知の文脈において,新しい分類タスクを導入する。
論文 参考訳（メタデータ） (2020-06-24T09:32:31Z)
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。