論文の概要: A Novel Semisupervised Contrastive Regression Framework for Forest Inventory Mapping with Multisensor Satellite Data

• arxiv url: http://arxiv.org/abs/2212.00246v1
• Date: Thu, 1 Dec 2022 03:26:02 GMT
• ステータス: 処理完了
• システム内更新日: 2022-12-02 17:09:01.908366
• Title: A Novel Semisupervised Contrastive Regression Framework for Forest Inventory Mapping with Multisensor Satellite Data
• Title（参考訳）: マルチセンサ衛星データを用いた森林インベントリマッピングのための新しい半教師付きコントラスト回帰フレームワーク
• Authors: Shaojia Ge, Hong Gu, Weimin Su, Anne L\"onnqvist, Oleg Antropov
• Abstract要約: 本研究では,連続する森林変数の壁面間マッピングのための新しい半教師付き回帰フレームワークを開発する。 このフレームワークは、Copernicus Sentinel-1とSentinel-2の画像を用いて、ボレアル林のサイトで実証されている。 達成された予測精度は、バニラUNetや従来の回帰モデルよりも優れている。
• 参考スコア（独自算出の注目度）: 5.652290685410878
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Accurate mapping of forests is critical for forest management and carbon stocks monitoring. Deep learning is becoming more popular in Earth Observation (EO), however, the availability of reference data limits its potential in wide-area forest mapping. To overcome those limitations, here we introduce contrastive regression into EO based forest mapping and develop a novel semisupervised regression framework for wall-to-wall mapping of continuous forest variables. It combines supervised contrastive regression loss and semi-supervised Cross-Pseudo Regression loss. The framework is demonstrated over a boreal forest site using Copernicus Sentinel-1 and Sentinel-2 imagery for mapping forest tree height. Achieved prediction accuracies are strongly better compared to using vanilla UNet or traditional regression models, with relative RMSE of 15.1% on stand level. We expect that developed framework can be used for modeling other forest variables and EO datasets.
• Abstract（参考訳）: 森林の正確なマッピングは森林管理と炭素ストックモニタリングにとって重要である。 深層学習は地球観測(eo)でより普及しているが、参照データの利用は広域森林マッピングの可能性を制限している。 これらの制約を克服するために,eoベースのフォレストマッピングに対比回帰を導入し,連続フォレスト変数の壁対壁マッピングのための新しい半教師あり回帰フレームワークを開発した。 教師付きコントラスト回帰損失と半教師付きクロスプリュード回帰損失を組み合わせる。 copernicus sentinel-1 と sentinel-2 画像を用いて森林の樹高をマッピングした。 達成された予測精度は、バニラUNetや従来の回帰モデルと比較して非常に良く、相対RMSEは15.1%である。 開発フレームワークは、他の森林変数やEOデータセットのモデリングに使用できると期待している。

関連論文リスト

• NeRF-Accelerated Ecological Monitoring in Mixed-Evergreen Redwood Forest [0.0]
  混合常緑樹林における幹径推定を目的としたMLSとNeRF林の復元の比較を行った。 凸ハルモデルを用いた改良DBH推定法を提案する。
  論文  参考訳（メタデータ） (2024-10-09T20:32:15Z)
• Theoretical and Empirical Advances in Forest Pruning [0.0]
  回帰林の精度と回帰樹の解釈可能性という両世界の最善を尽くすアプローチである森林伐採を再考する。 我々は、非常に弱い仮定の下で、未伐採林に対するラッソ伐採林の利点を証明した。 テストされたほとんどのシナリオでは、森林伐採法が1つ以上あり、原生林と同等かそれ以上の精度が得られていることがわかった。
  論文  参考訳（メタデータ） (2024-01-10T20:02:47Z)
• ForensicsForest Family: A Series of Multi-scale Hierarchical Cascade Forests for Detecting GAN-generated Faces [53.739014757621376]
  我々は,GAN生成顔を検出するために,EmforensicsForest Familyと呼ばれる簡易かつ効果的な森林法について述べる。 ForenscisForestは、新しく提案された多層階層のカスケード林である。 Hybrid ForensicsForestはCNNレイヤをモデルに統合する。 Divide-and-Conquer ForensicsForestは、トレーニングサンプリングの一部のみを使用して、森林モデルを構築することができる。
  論文  参考訳（メタデータ） (2023-08-02T06:41:19Z)
• Forest Parameter Prediction by Multiobjective Deep Learning of Regression Models Trained with Pseudo-Target Imputation [6.853936752111048]
  リモートセンシングデータを用いた森林パラメータの予測において、回帰モデルは、伝統的に地上基準データの小さなサンプルに基づいて訓練されてきた。 本稿では, 擬似ターゲットとみなす既存の RS ベースの予測マップからのデータを用いて, この真の予測対象のサンプルをインプットする。 我々は、空中レーザー走査(ALS)データから構築された予測マップを用いて、正確な擬似ターゲットと、Sentinel-1のCバンド合成開口レーダ(SAR)のデータを回帰器として提供する。
  論文  参考訳（メタデータ） (2023-06-19T18:10:47Z)
• Vision Transformers, a new approach for high-resolution and large-scale mapping of canopy heights [50.52704854147297]
  分類(離散化)と連続損失関数を最適化した新しい視覚変換器(ViT)モデルを提案する。 このモデルは、従来使用されていた畳み込みベースのアプローチ(ConvNet)よりも、連続損失関数のみで最適化された精度が向上する。
  論文  参考訳（メタデータ） (2023-04-22T22:39:03Z)
• Very high resolution canopy height maps from RGB imagery using self-supervised vision transformer and convolutional decoder trained on Aerial Lidar [14.07306593230776]
  本稿では,複数の非国家の管轄区域で同時に作成される最初の高分解能天蓋の高さマップについて述べる。 地図は、2017年から2020年にかけて、マクサー画像に基づいて訓練された自己教師モデルから特徴を抽出することによって生成される。 また、GEDI観測に基づいて訓練された畳み込みネットワークを用いた後処理のステップも導入する。
  論文  参考訳（メタデータ） (2023-04-14T15:52:57Z)
• Mapping historical forest biomass for stock-change assessments at parcel to landscape scales [0.0]
  地図製品は、人為的にも自然的にも、どこで、いつ、そしてどのように森林の炭素在庫が変化しているかを特定するのに役立ちます。 これらの製品は、ストックチェンジアセスメント、レポートの監視、検証フレームワークなど、幅広いアプリケーションへのインプットとして機能する。
  論文  参考訳（メタデータ） (2023-04-05T17:55:00Z)
• Neuroevolution-based Classifiers for Deforestation Detection in Tropical Forests [62.997667081978825]
  森林破壊や荒廃により、毎年何百万ヘクタールもの熱帯林が失われる。 監視・森林破壊検知プログラムは、犯罪者の予防・処罰のための公共政策に加えて、使用されている。 本稿では,熱帯林の森林破壊検出作業におけるニューロ進化技術(NEAT)に基づくパターン分類器の利用を提案する。
  論文  参考訳（メタデータ） (2022-08-23T16:04:12Z)
• Country-wide Retrieval of Forest Structure From Optical and SAR Satellite Imagery With Bayesian Deep Learning [74.94436509364554]
  本研究では,10mの解像度で森林構造変数を高密度に推定するベイズ深層学習手法を提案する。 本手法は,Sentinel-2光画像とSentinel-1合成開口レーダ画像を5種類の森林構造変数のマップに変換する。 ノルウェーを横断する41の空中レーザー走査ミッションの基準データに基づいて、我々のモデルを訓練し、テストする。
  論文  参考訳（メタデータ） (2021-11-25T16:21:28Z)
• Growing Deep Forests Efficiently with Soft Routing and Learned Connectivity [79.83903179393164]
  この論文は、いくつかの重要な側面で深い森林のアイデアをさらに拡張します。 我々は、ノードがハードバイナリ決定ではなく、確率的ルーティング決定、すなわちソフトルーティングを行う確率的ツリーを採用する。 MNISTデータセットの実験は、私たちの力のある深部森林が[1]、[3]よりも優れたまたは匹敵するパフォーマンスを達成できることを示しています。
  論文  参考訳（メタデータ） (2020-12-29T18:05:05Z)
• Censored Quantile Regression Forest [81.9098291337097]
  我々は、検閲に適応し、データが検閲を示さないときに量子スコアをもたらす新しい推定方程式を開発する。 提案手法は, パラメトリックなモデリング仮定を使わずに, 時間単位の定量を推定することができる。
  論文  参考訳（メタデータ） (2020-01-08T23:20:23Z)

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。