論文の概要: Automatic Crater Shape Retrieval using Unsupervised and Semi-Supervised
Systems
- arxiv url: http://arxiv.org/abs/2211.01933v1
- Date: Thu, 3 Nov 2022 16:16:29 GMT
- ステータス: 処理完了
- システム内更新日: 2022-11-04 14:12:53.320892
- Title: Automatic Crater Shape Retrieval using Unsupervised and Semi-Supervised
Systems
- Title(参考訳): 教師なし・半監督システムによるクレーター形状の自動検索
- Authors: Atal Tewari, Vikrant Jain, Nitin Khanna
- Abstract要約: 本稿では,教師なし非深層学習と半教師付き深層学習の組み合わせを提案する。
教師なしの非深度学習では,クレーターの形状を抽出する適応的なリム抽出アルゴリズムが提案されている。
抽出されたクレーターの形状は、半教師付き深層学習において、位置、大きさ、精製された形状を取得するために使用される。
- 参考スコア(独自算出の注目度): 9.088303226909277
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Impact craters are formed due to continuous impacts on the surface of
planetary bodies. Most recent deep learning-based crater detection methods
treat craters as circular shapes, and less attention is paid to extracting the
exact shapes of craters. Extracting precise shapes of the craters can be
helpful for many advanced analyses, such as crater formation. This paper
proposes a combination of unsupervised non-deep learning and semi-supervised
deep learning approach to accurately extract shapes of the craters and detect
missing craters from the existing catalog. In unsupervised non-deep learning,
we have proposed an adaptive rim extraction algorithm to extract craters'
shapes. In this adaptive rim extraction algorithm, we utilized the elevation
profiles of DEMs and applied morphological operation on DEM-derived slopes to
extract craters' shapes. The extracted shapes of the craters are used in
semi-supervised deep learning to get the locations, size, and refined shapes.
Further, the extracted shapes of the craters are utilized to improve the
estimate of the craters' diameter, depth, and other morphological factors. The
craters' shape, estimated diameter, and depth with other morphological factors
will be publicly available.
- Abstract(参考訳): 衝突クレーターは惑星体の表面への連続的な衝撃によって形成される。
最近の深層学習に基づくクレーター検出法はクレーターを円形の形状として扱い、クレーターの正確な形状を抽出するためにはあまり注意を払わない。
クレーターの正確な形状を抽出することは、クレーターの形成のような多くの高度な分析に役立つ。
本稿では,非教師なし深層学習と半教師付き深層学習を組み合わせることで,クレーターの形状を正確に抽出し,既存のカタログから欠落したクレーターを検出することを提案する。
教師なしの非深度学習において,クレーターの形状を抽出する適応的なリム抽出アルゴリズムを提案する。
この適応リム抽出アルゴリズムでは、DEMの標高分布を利用して、DEM由来の斜面に形態的操作を適用してクレーターの形状を抽出した。
クレーターの抽出された形状は、半教師付きディープラーニングで場所、大きさ、洗練された形状を得るために使用される。
さらに、抽出されたクレーターの形状を利用して、クレーターの直径、深さ、その他の形態因子の推定を改善する。
クレーターの形状、推定直径、その他の形態的要因による深さなどが公表される。
関連論文リスト
- Self-supervised 3D Point Cloud Completion via Multi-view Adversarial Learning [61.14132533712537]
我々は、オブジェクトレベルとカテゴリ固有の幾何学的類似性の両方を効果的に活用するフレームワークであるMAL-SPCを提案する。
私たちのMAL-SPCは3Dの完全な監視を一切必要とせず、各オブジェクトに1つの部分点クラウドを必要とするだけです。
論文 参考訳(メタデータ) (2024-07-13T06:53:39Z) - Anomaly detection for the identification of volcanic unrest in satellite imagery [2.642212767247493]
本稿では, 火山の変形を異常として識別する目的で, 衛星データに対する教師なし深層学習の利用について検討する。
我々の検出器はパッチ分布モデリング(PaDiM)に基づいており、検出性能は重み付き距離で向上する。
論文 参考訳(メタデータ) (2024-05-28T18:00:10Z) - Deep Learning based Systems for Crater Detection: A Review [5.141049647900161]
クレーターは惑星表面における最も顕著な特徴の1つであり、年齢推定、ハザード検出、宇宙船の航法などの用途に用いられる。
他のコンピュータビジョンタスクと同様に、ディープラーニングベースのアプローチは近年クレーター検出の研究に大きな影響を与えている。
このレビューには、惑星データ、クレーターデータベース、評価指標を含む、多様なクレーター検出アプローチに関する140以上の研究が含まれている。
論文 参考訳(メタデータ) (2023-09-28T18:06:15Z) - Deep learning universal crater detection using Segment Anything Model
(SAM) [6.729108277517129]
クレーターは惑星探査において最も重要な形態学的特徴の一つである。
機械学習(ML)とコンピュータビジョンはクレーターの検出とそのサイズ推定の両方に成功している。
本稿では,META AIから最近提案されたSegment Anything Model(SAM)に基づく,普遍的なクレーター検出手法を提案する。
論文 参考訳(メタデータ) (2023-04-16T12:36:37Z) - Global mapping of fragmented rocks on the Moon with a neural network:
Implications for the failure mode of rocks on airless surfaces [0.0]
宇宙環境と接触する小惑星の表面は、微細なリゴリスではなく、センチメートルからメートルスケールの岩石からなることが認識されている。
ここでは、小天体の岩石形態が月面のよく知られた宇宙侵食剤にどのように反応するかを理解することを目的としている。
ニューラルネットワークをデプロイし、月面に散在する合計13万個の破砕岩をマッピングし、異なる障害モードに対応する10の異なる分解形態を視覚的に識別する。
論文 参考訳(メタデータ) (2023-01-19T16:13:28Z) - ME-PCN: Point Completion Conditioned on Mask Emptiness [50.414383063838336]
メインストリーム法は入力点クラウドから学んだグローバルな特徴を復号することで、欠落した形状を予測する。
本稿では,3次元形状空間における空度を利用した点完備ネットワークME-PCNを提案する。
論文 参考訳(メタデータ) (2021-08-18T15:02:27Z) - Depth Completion using Piecewise Planar Model [94.0808155168311]
深度マップは一連の学習された基底で表現することができ、閉じた解法で効率的に解ける。
しかし、この方法の1つの問題は、色境界が深さ境界と矛盾する場合にアーチファクトを生成することである。
私たちは、より厳密な深度回復モデルを実行します。
論文 参考訳(メタデータ) (2020-12-06T07:11:46Z) - Efficient Depth Completion Using Learned Bases [94.0808155168311]
深度補正のための新しい大域的幾何制約を提案する。
低次元部分空間上によく配置される深さ写像を仮定することにより、高密度深度写像は全解像度の主深度基底の重み付け和で近似することができる。
論文 参考訳(メタデータ) (2020-12-02T11:57:37Z) - Deep Structured Prediction for Facial Landmark Detection [59.60946775628646]
本稿では,深層畳み込みネットワークと条件付きランダムフィールドを組み合わせた深層構造顔のランドマーク検出手法を提案する。
顔のランドマーク検出における最先端技術よりも優れた性能を示す。
論文 参考訳(メタデータ) (2020-10-18T17:09:24Z) - Lunar Crater Identification in Digital Images [0.0]
しばしば、月面の単一の画像で観測されたクレーターのパターンを特定する必要がある。
このいわゆる「ロスト・イン・スペース」クレーターの識別問題は、クレーターベースの相対航法(TRN)と科学画像の自動登録の両方で一般的である。
この研究は、一般的なクレーター同定問題の数学的に厳密な扱いを初めて提供する。
論文 参考訳(メタデータ) (2020-09-02T17:59:51Z) - Refined Plane Segmentation for Cuboid-Shaped Objects by Leveraging Edge
Detection [63.942632088208505]
本稿では,セグメント化された平面マスクを画像に検出されたエッジと整列するための後処理アルゴリズムを提案する。
これにより、立方体形状の物体に制限を加えながら、最先端のアプローチの精度を高めることができます。
論文 参考訳(メタデータ) (2020-03-28T18:51:43Z)
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。