Fugu-MT 論文翻訳(概要): FLAIR #1: semantic segmentation and domain adaptation dataset

論文の概要: FLAIR #1: semantic segmentation and domain adaptation dataset

arxiv url: http://arxiv.org/abs/2211.12979v1
Date: Wed, 23 Nov 2022 14:38:59 GMT
ステータス: 処理完了
システム内更新日: 2022-11-24 16:10:00.303684
Title: FLAIR #1: semantic segmentation and domain adaptation dataset
Title（参考訳）: FLAIR #1: セマンティックセグメンテーションとドメイン適応データセット
Authors: Anatol Garioud, St\'ephane Peillet, Eva Bookjans, S\'ebastien Giordano, Boris Wattrelos
Abstract要約: このデータセットは、現在IGNで使われているデータセットの一部であり、「Occupation du sol a grande 'echelle (OCS-GE)」というフランスの国定基準土地カバーマップを確立するのに使われている。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by-sa/4.0/
Abstract: The French National Institute of Geographical and Forest Information (IGN) has the mission to document and measure land-cover on French territory and provides referential geographical datasets, including high-resolution aerial images and topographic maps. The monitoring of land-cover plays a crucial role in land management and planning initiatives, which can have significant socio-economic and environmental impact. Together with remote sensing technologies, artificial intelligence (IA) promises to become a powerful tool in determining land-cover and its evolution. IGN is currently exploring the potential of IA in the production of high-resolution land cover maps. Notably, deep learning methods are employed to obtain a semantic segmentation of aerial images. However, territories as large as France imply heterogeneous contexts: variations in landscapes and image acquisition make it challenging to provide uniform, reliable and accurate results across all of France. The FLAIR-one dataset presented is part of the dataset currently used at IGN to establish the French national reference land cover map "Occupation du sol \`a grande \'echelle" (OCS- GE).
Abstract（参考訳）: フランス国立地理学・森林情報研究所(IGN)は、フランス領の土地被覆を文書化し、測定する任務を持ち、高解像度の空中画像や地形地図を含む参照地理的データセットを提供している。土地被覆のモニタリングは土地管理と計画のイニシアチブにおいて重要な役割を果たす。リモートセンシング技術とともに、人工知能(ia)は、土地被覆とその進化を決定する強力なツールになることを約束する。 IGNは現在、高解像度の土地被覆地図の作成においてIAの可能性を探っている。特に,空中画像のセマンティックセグメンテーションを得るために深層学習法が用いられている。しかし、フランスのように広い領域は異質な文脈を暗示している: 風景の変化と画像の取得は、フランス全土で均一で信頼性が高く正確な結果を提供することを困難にしている。 FLAIR-oneデータセットは、現在IGNで使われているデータセットの一部であり、フランス国立土地被覆地図「Occupation du sol \`a grande \'echelle」(OCS-GE)の確立に使用されている。

関連論文リスト

Towards Vision-Language Geo-Foundation Model: A Survey [65.70547895998541]
Vision-Language Foundation Models (VLFMs) は、様々なマルチモーダルタスクにおいて顕著な進歩を遂げている。本稿では, VLGFMを網羅的にレビューし, この分野の最近の展開を要約し, 分析する。
論文参考訳（メタデータ） (2024-06-13T17:57:30Z)
Global High Categorical Resolution Land Cover Mapping via Weak Supervision [19.52604717907002]
我々は、弱教師付きドメイン適応(WSDA)のために、完全ラベル付きソースドメインと弱ラベル付きターゲットドメインを組み合わせることを提案する。粗いラベルと粗いラベルを使用することで、精密かつ詳細な土地被覆アノテーションに必要な労力を大幅に軽減できるため、これは有益である。我々は,PlanetScope,Gaofen-1,Sentinel-2の衛星画像を用いて,世界中の10都市を対象とした高分類分解能土地被覆マッピングを行った。
論文参考訳（メタデータ） (2024-06-02T23:18:12Z)
Mapping High-level Semantic Regions in Indoor Environments without Object Recognition [50.624970503498226]
本研究では,屋内環境における埋め込みナビゲーションによる意味領域マッピング手法を提案する。地域識別を実現するために,視覚言語モデルを用いて地図作成のためのシーン情報を提供する。グローバルなフレームにエゴセントリックなシーン理解を投影することにより、提案手法は各場所の可能な領域ラベル上の分布としてのセマンティックマップを生成する。
論文参考訳（メタデータ） (2024-03-11T18:09:50Z)
Biological Valuation Map of Flanders: A Sentinel-2 Imagery Analysis [12.025312586542318]
我々は、センチネル2衛星画像と組み合わせたフランダースの高密度なラベル付き地上真理マップを提示する。提案手法は,地形図のレイアウトである「Kaartbladversnijdingen」と,詳細なセマンティックセグメンテーションモデルトレーニングパイプラインを利用する,形式化されたデータセット分割とサンプリング手法を含む。
論文参考訳（メタデータ） (2024-01-26T22:21:39Z)
FLAIR: a Country-Scale Land Cover Semantic Segmentation Dataset From Multi-Source Optical Imagery [4.9687851703152806]
本稿では,フランス国立地理学林情報研究所 (IGN) の広範なデータセットであるFLAIR (Aerospace ImageRy) のフレンチランドカバーを紹介する。 FLAIRは、地上サンプル距離20cmの高解像度空中画像と、正確な土地被覆分類のための200億以上の個別ラベル付きピクセルを含んでいる。このデータセットは、光学衛星時系列からの時間的・スペクトル的なデータも統合する。
論文参考訳（メタデータ） (2023-10-20T07:55:12Z)
FLAIR #2: textural and temporal information for semantic segmentation from multi-source optical imagery [0.0]
このデータセットには、土地被覆のマッピングを目的としたセマンティックセグメンテーションタスクに利用される、2つの非常に異なるタイプのデータが含まれている。データ融合ワークフローは、超高空間分解能(VHR)単時間時空間画像の微細空間情報とテクスチャ情報と、コペルニクス・センチネル2衛星画像の高空間分解能(HR)時系列の時間的およびスペクトル的富化の活用を提案する。
論文参考訳（メタデータ） (2023-05-23T18:47:19Z)
GeoGLUE: A GeoGraphic Language Understanding Evaluation Benchmark [56.08664336835741]
我々はGeoGLUEと呼ばれるGeoGraphic Language Understanding Evaluationベンチマークを提案する。オープンソースの地理資源からデータを収集し、6つの自然言語理解タスクを導入する。我々は,GeoGLUEベンチマークの有効性と意義を示す一般ベースラインの評価実験と解析を行った。
論文参考訳（メタデータ） (2023-05-11T03:21:56Z)
Land use identification through social network interaction [0.0]
本研究では,NLP(Natural Language Processing)を用いた土地利用の識別手法を提案する。目的は、住宅、商業、制度、産業、未建設の5つの主要な土地を識別することである。
論文参考訳（メタデータ） (2021-12-05T22:55:57Z)
Semi-Supervised Semantic Segmentation in Earth Observation: The MiniFrance Suite, Dataset Analysis and Multi-task Network Study [82.02173199363571]
我々は,地球観測における半教師付きセマンティックセマンティックセグメンテーションのための新しい大規模データセット,MiniFranceスイートを紹介した。 MiniFranceにはいくつかの前例のない特性があり、2000以上の超高解像度の空中画像を含み、200億枚以上のサンプル(ピクセル)を処理している。外観の類似性やMiniFranceデータの徹底的な研究からデータ代表性分析のためのツールを提案し,半教師付き環境での学習や一般化に適していることを示す。
論文参考訳（メタデータ） (2020-10-15T15:36:58Z)
Each Part Matters: Local Patterns Facilitate Cross-view Geo-localization [54.00111565818903]
クロスビューなジオローカライゼーションは、異なるプラットフォームから同じ地理的ターゲットの画像を見つけることである。既存の手法は通常、画像センター内の地理的ターゲットの微細な特徴をマイニングすることに集中している。我々は、文脈情報を活用するために、ローカルパターンネットワーク(LPN)と呼ばれるシンプルで効果的なディープニューラルネットワークを導入する。
論文参考訳（メタデータ） (2020-08-26T16:06:11Z)
OpenStreetMap: Challenges and Opportunities in Machine Learning and Remote Sensing [66.23463054467653]
本稿では,OpenStreetMapデータの改良と利用のための機械学習に基づく最近の手法について述べる。私たちは、OSMがリモートセンシングデータの解釈方法を変え、機械学習とのシナジーが参加型マップ作成をスケールできると考えている。
論文参考訳（メタデータ） (2020-07-13T09:58:14Z)

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。