論文の概要: Unsupervised Wildfire Change Detection based on Contrastive Learning

• arxiv url: http://arxiv.org/abs/2211.14654v1
• Date: Sat, 26 Nov 2022 20:13:14 GMT
• ステータス: 処理完了
• システム内更新日: 2022-11-29 16:25:43.486282
• Title: Unsupervised Wildfire Change Detection based on Contrastive Learning
• Title（参考訳）: コントラスト学習に基づく教師なしワイルドファイア変化検出
• Authors: Beichen Zhang, Huiqi Wang, Amani Alabri, Karol Bot, Cole McCall, Dale Hamilton, V\'it R\r{u}\v{z}i\v{c}ka
• Abstract要約: 山火事の深刻度を正確に評価することは, 火災発生地域における燃料条件のキャラクタリゼーションに寄与する。 本研究の目的は、高解像度マルチスペクトル衛星画像上に構築された自律システムを開発することである。
• 参考スコア（独自算出の注目度）: 1.53934570513443
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The accurate characterization of the severity of the wildfire event strongly contributes to the characterization of the fuel conditions in fire-prone areas, and provides valuable information for disaster response. The aim of this study is to develop an autonomous system built on top of high-resolution multispectral satellite imagery, with an advanced deep learning method for detecting burned area change. This work proposes an initial exploration of using an unsupervised model for feature extraction in wildfire scenarios. It is based on the contrastive learning technique SimCLR, which is trained to minimize the cosine distance between augmentations of images. The distance between encoded images can also be used for change detection. We propose changes to this method that allows it to be used for unsupervised burned area detection and following downstream tasks. We show that our proposed method outperforms the tested baseline approaches.
• Abstract（参考訳）: 森林火災の重大さの正確な特徴付けは,火災発生地域における燃料状況の把握に大きく寄与し,災害対応に有用な情報を提供する。 本研究の目的は、高解像度マルチスペクトル衛星画像上に構築された自律システムを開発することである。 本研究は,ワイルドファイアシナリオにおける特徴抽出のための教師なしモデルを用いた初期探索を提案する。 画像の増大の間の余剰距離を最小限に抑えるために訓練された,対照的な学習手法であるSimCLRに基づいている。 符号化画像間の距離は、変更検出にも使用できる。 本稿では,非教師なしの燃え尽き領域検出や下流タスクの追従に使用する方法の変更を提案する。 提案手法は, 試験されたベースライン手法よりも優れた性能を示す。

関連論文リスト

• SegNet: A Segmented Deep Learning based Convolutional Neural Network Approach for Drones Wildfire Detection [2.07180164747172]
  本研究は,無人航空機(UAV)/ドローンによる地球規模の山火事検出における処理時間と検出能力の向上という課題に対処するものである。 我々は,リアルタイムの山火事検出における処理速度と精度を大幅に向上させるため,特徴マップの削減に重点を置いている。
  論文  参考訳（メタデータ） (2024-02-29T15:23:12Z)
• DiAD: A Diffusion-based Framework for Multi-class Anomaly Detection [55.48770333927732]
  本稿では,拡散型異常検出(Difusion-based Anomaly Detection, DAD)フレームワークを提案する。 画素空間オートエンコーダ、安定拡散の復調ネットワークに接続する潜在空間セマンティックガイド(SG)ネットワーク、特徴空間事前学習機能抽出器から構成される。 MVTec-ADとVisAデータセットの実験は、我々のアプローチの有効性を実証している。
  論文  参考訳（メタデータ） (2023-12-11T18:38:28Z)
• Wildfire Smoke Detection with Cross Contrast Patch Embedding [5.965059322800441]
  Transformerベースのディープネットワークは、CNNに対して大きな優位性を示している。 色、透明度、テクスチャといった低レベルの情報は、煙の認識にとって非常に重要である。 煙のファジィ境界はジレンマのインスタンスに対して正と負のラベルを割り当てる。
  論文  参考訳（メタデータ） (2023-11-16T06:53:03Z)
• Burnt area extraction from high-resolution satellite images based on anomaly detection [1.8843687952462738]
  本稿では,ベクトル量子化変分オートエンコーダ(VQ-VAE)を用いて,非教師なし領域抽出を行う。 VQ-VAEをエンド・ツー・エンドのフレームワークに統合し、専用の植生、水、明るさ指数を用いて、集中的な後処理を行う。
  論文  参考訳（メタデータ） (2023-08-25T13:25:27Z)
• Image-Based Fire Detection in Industrial Environments with YOLOv4 [53.180678723280145]
  この研究は、AIが火災を検出し、認識し、画像ストリーム上のオブジェクト検出を使用して検出時間を短縮する可能性を検討する。 そこで我々は, YOLOv4オブジェクト検出器をベースとした複数のモデルのトレーニングと評価に使用されてきた複数の公開情報源から, 適切なデータを収集, ラベル付けした。
  論文  参考訳（メタデータ） (2022-12-09T11:32:36Z)
• Backdoor Attacks for Remote Sensing Data with Wavelet Transform [14.50261153230204]
  本稿では,リモートセンシングデータに対するバックドア攻撃の系統的解析を行う。 そこで本研究では, 有害画像にトリガ画像を注入することで, 目に見えない攻撃を可能にする新しいウェーブレット変換ベースアタック(WABA)手法を提案する。 その単純さにもかかわらず、提案手法は攻撃成功率の高い最先端のディープラーニングモデルをかなり騙すことができる。
  論文  参考訳（メタデータ） (2022-11-15T10:49:49Z)
• Active Gaze Control for Foveal Scene Exploration [124.11737060344052]
  本研究では,葉型カメラを用いた人間とロボットが現場を探索する方法をエミュレートする手法を提案する。 提案手法は,同数の視線シフトに対してF1スコアを2～3ポイント増加させる。
  論文  参考訳（メタデータ） (2022-08-24T14:59:28Z)
• Adversarially-Aware Robust Object Detector [85.10894272034135]
  本稿では,ロバスト検出器 (RobustDet) を提案する。 本モデルは, クリーン画像の検出能力を維持しながら, 傾きを効果的に解き, 検出堅牢性を著しく向上させる。
  論文  参考訳（メタデータ） (2022-07-13T13:59:59Z)
• ReDFeat: Recoupling Detection and Description for Multimodal Feature Learning [51.07496081296863]
  我々は、相互重み付け戦略による多モーダル特徴学習の検出と記述の独立した制約を再定義する。 本研究では,大きな受容場を有し,学習可能な非最大抑制層を備える検出器を提案する。 我々は,特徴マッチングと画像登録タスクにおける特徴量を評価するために,クロス可視,赤外線,近赤外,合成開口レーダ画像ペアを含むベンチマークを構築した。
  論文  参考訳（メタデータ） (2022-05-16T04:24:22Z)
• City-scale Scene Change Detection using Point Clouds [71.73273007900717]
  2つの異なる時間にカメラを設置して撮影した画像を用いて都市の構造変化を検出する手法を提案する。 変化検出のための2点雲の直接比較は、不正確な位置情報のため理想的ではない。 この問題を回避するために,ポイントクラウド上での深層学習に基づく非厳密な登録を提案する。 提案手法は,視点や照明の違いがあっても,シーン変化を効果的に検出できることを示す。
  論文  参考訳（メタデータ） (2021-03-26T08:04:13Z)
• Machine Learning Based Early Fire Detection System using a Low-Cost Drone [0.5161531917413706]
  本稿では,森林火災の早期検出を低コストかつ高精度に行う機械学習システムを提案する。 システム内のマイクロコントローラは、ディープラーニングメソッドによるトレーニングによってプログラムされている。 無人航空機は、火災検知の最も初期の兆候である煙を認識する能力が与えられた。
  論文  参考訳（メタデータ） (2021-01-21T16:18:42Z)

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。