論文の概要: Tools for Extracting Spatio-Temporal Patterns in Meteorological Image
Sequences: From Feature Engineering to Attention-Based Neural Networks
- arxiv url: http://arxiv.org/abs/2210.12310v1
- Date: Sat, 22 Oct 2022 00:26:54 GMT
- ステータス: 処理完了
- システム内更新日: 2022-10-25 17:10:44.772779
- Title: Tools for Extracting Spatio-Temporal Patterns in Meteorological Image
Sequences: From Feature Engineering to Attention-Based Neural Networks
- Title（参考訳）: 気象画像系列における時空間パターン抽出ツール:特徴工学から注意に基づくニューラルネットワーク
- Authors: Akansha Singh Bansal, Yoonjin Lee, Kyle Hilburn and Imme Ebert-Uphoff
- Abstract要約: 画像のシーケンスからコンテキストを抽出するのに有用な、さまざまな概念とテクニックについてレビューする。
まず、気象学におけるこれらのアプローチの必要性を、太陽の予測と衛星画像からの対流検出という2つの応用を用いて動機づける。
本稿では,気象画像列の解釈に有用な,さまざまな概念と技術の概要を紹介する。
- 参考スコア（独自算出の注目度）: 5.566807756855081
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Atmospheric processes involve both space and time. This is why human analysis
of atmospheric imagery can often extract more information from animated loops
of image sequences than from individual images. Automating such an analysis
requires the ability to identify spatio-temporal patterns in image sequences
which is a very challenging task, because of the endless possibilities of
patterns in both space and time. In this paper we review different concepts and
techniques that are useful to extract spatio-temporal context specifically for
meteorological applications. In this survey we first motivate the need for
these approaches in meteorology using two applications, solar forecasting and
detecting convection from satellite imagery. Then we provide an overview of
many different concepts and techniques that are helpful for the interpretation
of meteorological image sequences, such as (1) feature engineering methods to
strengthen the desired signal in the input, using meteorological knowledge,
classic image processing, harmonic analysis and topological data analysis (2)
explain how different convolution filters (2D/3D/LSTM-convolution) can be
utilized strategically in convolutional neural network architectures to find
patterns in both space and time (3) discuss the powerful new concept of
'attention' in neural networks and the powerful abilities it brings to the
interpretation of image sequences (4) briefly survey strategies from
unsupervised, self-supervised and transfer learning to reduce the need for
large labeled datasets. We hope that presenting an overview of these tools -
many of which are underutilized - will help accelerate progress in this area.
- Abstract（参考訳）: 大気の過程は空間と時間の両方を含む。
そのため、人間による大気画像の解析は、個々の画像よりも画像列のアニメーションループからより多くの情報を抽出することができる。
このような分析を自動化するには、空間と時間の両方におけるパターンの無限の可能性のため、非常に困難なタスクである画像シーケンスの時空間パターンを特定する能力が必要である。
本稿では,気象応用に特有な時空間コンテキストを抽出する上で有用な概念と手法について述べる。
本研究では,衛星画像からの太陽予報と対流検出という2つの応用を用いて,気象学におけるこれらのアプローチの必要性を最初に示唆する。
Then we provide an overview of many different concepts and techniques that are helpful for the interpretation of meteorological image sequences, such as (1) feature engineering methods to strengthen the desired signal in the input, using meteorological knowledge, classic image processing, harmonic analysis and topological data analysis (2) explain how different convolution filters (2D/3D/LSTM-convolution) can be utilized strategically in convolutional neural network architectures to find patterns in both space and time (3) discuss the powerful new concept of 'attention' in neural networks and the powerful abilities it brings to the interpretation of image sequences (4) briefly survey strategies from unsupervised, self-supervised and transfer learning to reduce the need for large labeled datasets.
これらのツールの概観を示すことは、この分野の進歩を加速させるのに役立つと期待しています。
関連論文リスト
- Deep Multimodal Fusion for Semantic Segmentation of Remote Sensing Earth Observation Data [0.08192907805418582]
本稿では,セマンティックセグメンテーションのための後期融合深層学習モデル(LF-DLM)を提案する。
1つのブランチは、UNetFormerがキャプチャした空中画像の詳細なテクスチャと、ViT(Multi-Axis Vision Transformer)バックボーンを統合する。
もう一方のブランチは、U-ViNet(U-TAE)を用いてSentinel-2衛星画像Max時系列から複雑な時間ダイナミクスをキャプチャする。
論文 参考訳（メタデータ） (2024-10-01T07:50:37Z) - A Visual-Analytical Approach for Automatic Detection of Cyclonic Events in Satellite Observations [8.321173617981387]
熱帯性サイクロンの位置と強度を推定することは、破滅的な気象事象を予測する上で重要な意味を持つ。
サイクロンの検出と強度推定の現在のプロセスは、時間を要する物理に基づくシミュレーション研究を含む。
本研究の目的は、画像入力とデータ駆動アプローチのみを用いて、サイクロンの検出、強度推定および関連する側面に焦点を当てることである。
論文 参考訳（メタデータ） (2024-09-25T14:52:04Z) - HVDistill: Transferring Knowledge from Images to Point Clouds via Unsupervised Hybrid-View Distillation [106.09886920774002]
本稿では,HVDistillと呼ばれるハイブリッドビューに基づく知識蒸留フレームワークを提案する。
提案手法は,スクラッチからトレーニングしたベースラインに対して一貫した改善を実現し,既存のスキームを大幅に上回っている。
論文 参考訳（メタデータ） (2024-03-18T14:18:08Z) - BenchCloudVision: A Benchmark Analysis of Deep Learning Approaches for
Cloud Detection and Segmentation in Remote Sensing Imagery [0.0]
本稿では,雲の識別に応用した7つの最先端セマンティックセマンティックセマンティクスと検出アルゴリズムについて検討する。
モデルの適応性を高めるために、トレーニング中に使用される画像の種類とスペクトル帯域の量を含む重要な要素を解析する。
研究は、少数のスペクトルバンドだけでクラウドセグメンテーションを実行できる機械学習アルゴリズムを作成しようとしている。
論文 参考訳（メタデータ） (2024-02-21T16:32:43Z) - Exploring the Application of Large-scale Pre-trained Models on Adverse
Weather Removal [97.53040662243768]
ネットワークが異なる気象条件を適応的に処理できるようにするために,CLIP埋め込みモジュールを提案する。
このモジュールは、CLIP画像エンコーダによって抽出されたサンプル特定気象と、パラメータセットによって学習された分布特定情報を統合する。
論文 参考訳（メタデータ） (2023-06-15T10:06:13Z) - FuTH-Net: Fusing Temporal Relations and Holistic Features for Aerial
Video Classification [49.06447472006251]
本稿では,FuTH-Netと呼ばれる新しいディープニューラルネットワークを提案する。
本モデルは,ERAとDrone-Actionの2つの航空映像分類データセットを用いて評価し,最先端の成果を得た。
論文 参考訳（メタデータ） (2022-09-22T21:15:58Z) - Spatial-Temporal Correlation and Topology Learning for Person
Re-Identification in Videos [78.45050529204701]
クロススケール空間時空間相関をモデル化し, 識別的, 堅牢な表現を追求する新しい枠組みを提案する。
CTLはCNNバックボーンとキーポイント推定器を使用して人体から意味的局所的特徴を抽出する。
グローバルな文脈情報と人体の物理的接続の両方を考慮して、多スケールグラフを構築するためのコンテキスト強化トポロジーを探求する。
論文 参考訳（メタデータ） (2021-04-15T14:32:12Z) - On the Post-hoc Explainability of Deep Echo State Networks for Time
Series Forecasting, Image and Video Classification [63.716247731036745]
エコー状態ネットワークは、主に学習アルゴリズムの単純さと計算効率のために、時間を通じて多くのスターを惹きつけてきた。
本研究では,時間系列,画像,映像データを用いた学習タスクに適用した場合のエコー状態ネットワークの説明可能性について検討した。
本研究では,これらの反復モデルが把握した知識に関する理解可能な情報を抽出する3つの手法を提案する。
論文 参考訳（メタデータ） (2021-02-17T08:56:33Z) - Probabilistic Graph Attention Network with Conditional Kernels for
Pixel-Wise Prediction [158.88345945211185]
本稿では,画素レベルの予測を基本的側面,すなわち,技術の現状を推し進める新たなアプローチを提案する。
構造化されたマルチスケール機能学習と融合。
本論文では,マルチスケール表現を原理的に学習・融合するための新しいアテンテンションゲート条件ランダムフィールド(AG-CRFs)モデルに基づく確率的グラフアテンションネットワーク構造を提案する。
論文 参考訳（メタデータ） (2021-01-08T04:14:29Z) - Evaluation, Tuning and Interpretation of Neural Networks for
Meteorological Applications [0.030458514384586396]
ニューラルネットワークは、気象学でリモートセンシングされた画像を利用する多くの新しい機会を開いた。
一般的な用途としては、例えば、画像が熱帯のサイクロンを含むかどうかを決定するための画像分類や、受動チャネルのみを持つ衛星のレーダーレーダーをエミュレートする画像翻訳などがある。
本稿では,まだ気象社会ではあまり注目されていないニューラルネットワーク開発に対するいくつかの戦略と実践的考察を紹介する。
論文 参考訳（メタデータ） (2020-05-06T20:46:10Z)
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。