Fugu-MT 論文翻訳(概要): OGInfra: Geolocating Oil & Gas Infrastructure using Remote Sensing based Active Fire Data

論文の概要: OGInfra: Geolocating Oil & Gas Infrastructure using Remote Sensing based Active Fire Data

arxiv url: http://arxiv.org/abs/2210.16924v1
Date: Sun, 30 Oct 2022 18:58:15 GMT
ステータス: 処理完了
システム内更新日: 2022-11-01 18:56:46.178251
Title: OGInfra: Geolocating Oil & Gas Infrastructure using Remote Sensing based Active Fire Data
Title（参考訳）: oginfra: リモートセンシングに基づく能動火災データを用いた石油・ガス基盤の測地
Authors: Samyak Prajapati, Amrit Raj, Yash Chaudhari, Akhilesh Nandwal, Japman Singh Monga
Abstract要約: 本研究では,NASA FIRMSデータレポジトリとディープラーニング技術を用いたアクティブファイアデータを用いて,石油・ガスインフラの自動位置決め技術を提案する。
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: Remote sensing has become a crucial part of our daily lives, whether it be from triangulating our location using GPS or providing us with a weather forecast. It has multiple applications in domains such as military, socio-economical, commercial, and even in supporting humanitarian efforts. This work proposes a novel technique for the automated geo-location of Oil & Gas infrastructure with the use of Active Fire Data from the NASA FIRMS data repository & Deep Learning techniques; achieving a top accuracy of 90.68% with the use of ResNet101.
Abstract（参考訳）: リモートセンシングは、GPSを使った位置の三角測量や天気予報など、私たちの日常生活の重要な部分となっている。軍事、社会経済、商業、さらには人道的努力を支援する領域に複数の応用がある。本研究では,nasaの企業データレポジトリとディープラーニング技術によるアクティブな火災データを用いて,石油・ガスインフラの自動配置を行うための新しい手法を提案し,resnet101を用いて最大精度90.68%を達成した。

関連論文リスト

Leveraging GNSS and Onboard Visual Data from Consumer Vehicles for Robust Road Network Estimation [18.236615392921273]
本稿では,自動運転車における道路グラフ構築の課題について述べる。本稿では,これらの標準センサから取得したグローバルナビゲーション衛星システム(GNSS)のトレースと基本画像データについて提案する。我々は、畳み込みニューラルネットワークを用いて、道路中心のセマンティックセグメンテーションタスクとして問題をフレーミングすることで、データの空間情報を利用する。
論文参考訳（メタデータ） (2024-08-03T02:57:37Z)
AndroCon: Conning Location Services in Android [0.4143603294943439]
本報告では,モバイル端末から1年間4万平方キロメートルの地域で半処理されたGPSデータを用いた縦断的研究について述べる。データは航空機、クルーズ船、高度の高い場所から取得された。われわれの研究であるAndroConは、lin-ear判別分析、無香のカルマンフィルター、勾配向上、ランダムな森林学習を組み合わせて、正確な環境と人間の活動センサーを提供する。
論文参考訳（メタデータ） (2024-07-28T04:20:26Z)
GeoLLM: Extracting Geospatial Knowledge from Large Language Models [49.20315582673223]
大規模言語モデルから地理空間的知識を効果的に抽出する新しい手法であるGeoLLMを提案する。我々は、人口密度や経済生活の計測など、国際社会への関心の中心となる複数の課題にまたがるアプローチの有用性を実証する。実験の結果, LLMは試料効率が高く, 地理空間情報に富み, 世界中のロバストであることがわかった。
論文参考訳（メタデータ） (2023-10-10T00:03:23Z)
Geo-Encoder: A Chunk-Argument Bi-Encoder Framework for Chinese Geographic Re-Ranking [61.60169764507917]
中国の地理的再ランクタスクは、検索された候補者の中で最も関連性の高い住所を見つけることを目的としている。そこで我々は,中国語の地理的意味論をより効果的に統合する,革新的なフレームワークであるGeo-Encoderを提案する。
論文参考訳（メタデータ） (2023-09-04T13:44:50Z)
K2: A Foundation Language Model for Geoscience Knowledge Understanding and Utilization [105.89544876731942]
大規模言語モデル(LLM)は自然言語処理の一般分野において大きな成功を収めている。我々は、地球科学におけるLLM研究をさらに促進するために開発された一連の資源とともに、地球科学における最初のLLMであるK2を提示する。
論文参考訳（メタデータ） (2023-06-08T09:29:05Z)
Long-range UAV Thermal Geo-localization with Satellite Imagery [3.427912625787135]
本稿では,衛星RGB画像を用いた新しい熱的ジオローカライズフレームワークを提案する。これには、熱画像と衛星画像のペア化の限界に対処する複数のドメイン適応方法が含まれる。我々の知る限り、この研究は、長距離飛行における衛星RGB画像を用いた熱的ジオローカライズ法を初めて提案したものである。
論文参考訳（メタデータ） (2023-06-05T16:05:57Z)
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)
NVRadarNet: Real-Time Radar Obstacle and Free Space Detection for Autonomous Driving [57.03126447713602]
本稿では,自動車のRADARセンサを用いて動的障害物や乾燥可能な自由空間を検出するディープニューラルネットワーク(DNN)を提案する。ネットワークは組み込みGPU上でリアルタイムよりも高速に動作し、地理的領域にわたって優れた一般化を示す。
論文参考訳（メタデータ） (2022-09-29T01:30:34Z)
OGNet: Towards a Global Oil and Gas Infrastructure Database using Deep Learning on Remotely Sensed Imagery [8.471461072749472]
地球が現在経験している温暖化の少なくとも4分の1は、人為的なメタンの放出によるものである。本研究では,石油やガスのインフラを自動的に検出するために,高解像度の高解像度空中画像を利用するディープラーニングアルゴリズムを開発した。我々は,OGNetが,石油・ガスインフラの4つの標準公開データセットに存在しない多くの施設を検出していることを示す。
論文参考訳（メタデータ） (2020-11-14T06:20:21Z)
Deep Learning Techniques for Geospatial Data Analysis [0.0]
消費者電子デバイスは、地理空間データと呼ばれる大量の位置情報を連続的に生成している。近年、このような地理空間データを中心に、多くの有用な一般用途が設計され、展開されている。近年のディープラーニング技術分野の進歩は、ニューラルネットワークに基づく技術が従来の機械学習技術より優れていることを示している。
論文参考訳（メタデータ） (2020-08-30T11:51:10Z)
Deep Learning based Pedestrian Inertial Navigation: Methods, Dataset and On-Device Inference [49.88536971774444]
慣性測定ユニット(IMU)は小型で安価でエネルギー効率が良く、スマートデバイスや移動ロボットに広く使われている。正確で信頼性の高い歩行者ナビゲーションをサポートするために慣性データをエクスプロイトすることは、新しいインターネット・オブ・シングス・アプリケーションやサービスにとって重要なコンポーネントである。我々は、深層学習に基づく慣性ナビゲーション研究のための最初の公開データセットであるOxIOD(OxIOD)を提示、リリースする。
論文参考訳（メタデータ） (2020-01-13T04:41:54Z)

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。