論文の概要: Performance evaluation of deep segmentation models on Landsat-8 imagery
- arxiv url: http://arxiv.org/abs/2211.14851v2
- Date: Tue, 29 Nov 2022 14:33:12 GMT
- ステータス: 処理完了
- システム内更新日: 2022-11-30 12:08:21.490826
- Title: Performance evaluation of deep segmentation models on Landsat-8 imagery
- Title（参考訳）: Landsat-8画像の深部セグメンテーションモデルの性能評価
- Authors: Akshat Bhandari and Sriya Rallabandi and Sanchit Singhal and Aditya
Kasliwal aand Pratinav Seth
- Abstract要約: コントラル(Contrail)は、冷たく湿った空気を飛ぶ際に航空機のエンジンの排気によって生じる線状の氷雲である。
彼らは、放出される長波放射の約33%を地球に吸収または誘導することで温室効果を発生させる。
この研究は、低軌道衛星画像の反則を検出するために最先端のセグメンテーション技術を適用した最初のものである。
- 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: Contrails, short for condensation trails, are line-shaped ice clouds produced
by aircraft engine exhaust when they fly through cold and humid air. They
generate a greenhouse effect by absorbing or directing back to Earth
approximately 33% of emitted outgoing longwave radiation. They account for over
half of the climate change resulting from aviation activities. Avoiding
contrails and adjusting flight routes could be an inexpensive and effective way
to reduce their impact. An accurate, automated, and reliable detection
algorithm is required to develop and evaluate contrail avoidance strategies.
Advancement in contrail detection has been severely limited due to several
factors, primarily due to a lack of quality-labeled data. Recently, proposed a
large human-labeled Landsat-8 contrails dataset. Each contrail is carefully
labeled with various inputs in various scenes of Landsat-8 satellite imagery.
In this work, we benchmark several popular segmentation models with
combinations of different loss functions and encoder backbones. This work is
the first to apply state-of-the-art segmentation techniques to detect contrails
in low-orbit satellite imagery. Our work can also be used as an open benchmark
for contrail segmentation and is publicly available.
- Abstract（参考訳）: コントラル(Contrail)は、冷たく湿った空気を飛ぶ際に航空機のエンジンの排気によって生じる線状の氷雲である。
放射される長波の約33%を地球に吸収または誘導することで温室効果を発生させる。
それらは航空活動による気候変動の半分以上を占める。
コントラルの回避と飛行経路の調整は、その影響を減らすための安価で効果的な方法である可能性がある。
違反回避戦略の開発と評価には,正確で自動化された信頼性の高い検出アルゴリズムが必要である。
コントラル検出の進歩は、いくつかの要因により、主に品質ラベル付きデータの欠如により、著しく制限されている。
近年,大型のLandsat-8コントラルデータセットが提案されている。
各コントラルには、ランドサット8衛星画像の様々な場面で様々な入力が慎重にラベル付けされている。
本研究では,様々な損失関数とエンコーダのバックボーンを組み合わせたセグメンテーションモデルをベンチマークする。
この研究は、低軌道衛星画像の反則を検出するために最先端のセグメンテーション技術を適用した最初のものである。
私たちの作品は、反則セグメンテーションのオープンベンチマークとしても使用でき、公開されています。
関連論文リスト
- GeneralAD: Anomaly Detection Across Domains by Attending to Distorted Features [68.14842693208465]
GeneralADは、意味的、ほぼ分布的、産業的設定で動作するように設計された異常検出フレームワークである。
本稿では,ノイズ付加やシャッフルなどの簡単な操作を施した自己教師付き異常生成モジュールを提案する。
提案手法を10のデータセットに対して広範囲に評価し,6つの実験結果と,残りの6つの実験結果を得た。
論文 参考訳（メタデータ） (2024-07-17T09:27:41Z) - Label-Efficient Semantic Segmentation of LiDAR Point Clouds in Adverse Weather Conditions [10.306226508237348]
逆気象条件はLiDARセンサーの性能に深刻な影響を及ぼす可能性がある。
悪天候を検出するための現在のアプローチは、大量のラベル付きデータを必要とする。
本稿では,悪天候下でのLiDAR点雲のセグメンテーションに対するラベル効率のよいアプローチを提案する。
論文 参考訳（メタデータ） (2024-06-14T10:29:00Z) - Efficient Real-time Smoke Filtration with 3D LiDAR for Search and Rescue
with Autonomous Heterogeneous Robotic Systems [56.838297900091426]
スモークとダストは、搭載された知覚システムに依存するため、あらゆる移動ロボットプラットフォームの性能に影響を与える。
本稿では,重みと空間情報に基づく新しいモジュラー計算フィルタを提案する。
論文 参考訳（メタデータ） (2023-08-14T16:48:57Z) - Energy-based Detection of Adverse Weather Effects in LiDAR Data [7.924836086640871]
本稿では,LiDARデータにおける悪天候の影響を検知するための新しい手法を提案する。
提案手法では,低エネルギースコアを不整点,高エネルギースコアを不整点に関連付ける。
悪天候下でのLiDAR知覚の研究領域の拡大を支援するため、SemanticSprayデータセットをリリースする。
論文 参考訳（メタデータ） (2023-05-25T15:03:36Z) - OpenContrails: Benchmarking Contrail Detection on GOES-16 ABI [3.716161594311069]
コントラル(Contrails、凝縮路)は、航空機によって引き起こされる線状氷雲であり、おそらく航空による気候変動の最大の要因である。
我々は,GOES-16 Advanced Baseline Imager (ABI)データに基づいて,違反検出モデルのトレーニングと評価を行う,OpenContrailsというラベル付きデータセットを提案する。
論文 参考訳（メタデータ） (2023-04-04T21:03:46Z) - Correlating sparse sensing for large-scale traffic speed estimation: A
Laplacian-enhanced low-rank tensor kriging approach [76.45949280328838]
本稿では,Laplacian enhanced Low-rank tensor (LETC) フレームワークを提案する。
次に,提案したモデルをネットワークワイド・クリグにスケールアップするために,複数の有効な数値手法を用いて効率的な解アルゴリズムを設計する。
論文 参考訳（メタデータ） (2022-10-21T07:25:57Z) - Robust 3D Object Detection in Cold Weather Conditions [7.924836086640871]
逆気象条件はLiDARベースの物体検出器に悪影響を及ぼす可能性がある。
寒冷環境における自動車排ガスの凝縮現象に着目した。
本稿では,データ拡張と新たなトレーニング損失項を用いてこの問題を解決することを提案する。
論文 参考訳（メタデータ） (2022-05-24T09:37:07Z) - DAE : Discriminatory Auto-Encoder for multivariate time-series anomaly
detection in air transportation [68.8204255655161]
識別オートエンコーダ(DAE)と呼ばれる新しい異常検出モデルを提案する。
通常のLSTMベースのオートエンコーダのベースラインを使用するが、いくつかのデコーダがあり、それぞれ特定の飛行フェーズのデータを取得する。
その結果,DAEは精度と検出速度の両方で良好な結果が得られることがわかった。
論文 参考訳（メタデータ） (2021-09-08T14:07:55Z) - Lidar Light Scattering Augmentation (LISA): Physics-based Simulation of
Adverse Weather Conditions for 3D Object Detection [60.89616629421904]
ライダーベースの物体検出器は、自動運転車のような自律ナビゲーションシステムにおいて、3D知覚パイプラインの重要な部分である。
降雨、雪、霧などの悪天候に敏感で、信号-雑音比(SNR)と信号-背景比(SBR)が低下している。
論文 参考訳（メタデータ） (2021-07-14T21:10:47Z) - Multi-View Radar Semantic Segmentation [3.2093811507874768]
自動車用レーダーは、周囲の物体の特性を測定する安価なアクティブセンサーである。
レーダー生データのサイズと複雑さのため、シーン理解にはほとんど使われない。
我々は,複数の新しいアーキテクチャとそれに伴う損失を提案し,レンジアングル・ドップラーレーダテンソルの複数の"ビュー"を分析し,意味的にセグメンテーションする。
論文 参考訳（メタデータ） (2021-03-30T09:56:41Z) - RescueNet: Joint Building Segmentation and Damage Assessment from
Satellite Imagery [83.49145695899388]
RescueNetは、建物を同時に分割し、個々の建物に対する損傷レベルを評価し、エンドツーエンドでトレーニングできる統一モデルである。
RescueNetは大規模で多様なxBDデータセットでテストされており、従来の手法よりもはるかに優れたセグメンテーションと損傷分類性能を実現している。
論文 参考訳（メタデータ） (2020-04-15T19:52:09Z)
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。