論文の概要: SolarDK: A high-resolution urban solar panel image classification and
localization dataset
- arxiv url: http://arxiv.org/abs/2212.01260v1
- Date: Fri, 2 Dec 2022 15:56:56 GMT
- ステータス: 処理完了
- システム内更新日: 2022-12-05 16:13:37.395986
- Title: SolarDK: A high-resolution urban solar panel image classification and
localization dataset
- Title(参考訳): SolarDK:高解像度都市ソーラーパネル画像分類とローカライゼーションデータセット
- Authors: Maxim Khomiakov, Julius Holbech Radzikowski, Carl Anton Schmidt,
Mathias Bonde S{\o}rensen, Mads Andersen, Michael Riis Andersen and Jes
Frellsen
- Abstract要約: 本稿では,デンマークにおけるソーラーパネルアレイの分類とローカライズのための2つの新しいベンチマークデータセットを紹介する。
分類とセグメンテーションのための人間の注釈付きデータセットと、デンマークの国家建築登録簿から自己報告されたデータを使用して取得された分類データセット。
- 参考スコア(独自算出の注目度): 9.094234519404907
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: The body of research on classification of solar panel arrays from aerial
imagery is increasing, yet there are still not many public benchmark datasets.
This paper introduces two novel benchmark datasets for classifying and
localizing solar panel arrays in Denmark: A human annotated dataset for
classification and segmentation, as well as a classification dataset acquired
using self-reported data from the Danish national building registry. We explore
the performance of prior works on the new benchmark dataset, and present
results after fine-tuning models using a similar approach as recent works.
Furthermore, we train models of newer architectures and provide benchmark
baselines to our datasets in several scenarios. We believe the release of these
datasets may improve future research in both local and global geospatial
domains for identifying and mapping of solar panel arrays from aerial imagery.
The data is accessible at https://osf.io/aj539/.
- Abstract(参考訳): 太陽パネルアレイを空中画像から分類する研究機関が増えているが、まだ多くの公開ベンチマークデータセットは存在しない。
本稿では,デンマークにおけるソーラーパネルアレイの分類とローカライズのための2つのベンチマークデータセットについて紹介する。
我々は,新しいベンチマークデータセットにおける先行研究の結果について検討し,最近の研究と同様の手法を用いて,微調整モデルの結果を提示する。
さらに、新しいアーキテクチャのモデルをトレーニングし、いくつかのシナリオでデータセットにベンチマークベースラインを提供します。
これらのデータセットのリリースは、航空画像からソーラーパネルアレイを識別およびマッピングするために、地域とグローバルの両方の地理空間領域における将来の研究を改善するだろうと考えています。
データはhttps://osf.io/aj539/でアクセスできる。
関連論文リスト
- infoVerse: A Universal Framework for Dataset Characterization with
Multidimensional Meta-information [68.76707843019886]
infoVerseは、データセットの特徴付けのための普遍的なフレームワークである。
infoVerseは、様々なモデル駆動メタ情報を統合することで、データセットの多次元特性をキャプチャする。
実世界の3つのアプリケーション(データプルーニング、アクティブラーニング、データアノテーション)において、infoVerse空間で選択されたサンプルは、強いベースラインを一貫して上回る。
論文 参考訳(メタデータ) (2023-05-30T18:12:48Z) - Navya3DSeg -- Navya 3D Semantic Segmentation Dataset & split generation
for autonomous vehicles [63.20765930558542]
3Dセマンティックデータは、障害物検出やエゴ-車両の局所化といった中核的な認識タスクに有用である。
そこで我々は,大規模生産段階の運用領域に対応する多様なラベル空間を持つ新しいデータセットであるNavala 3D(Navya3DSeg)を提案する。
ラベルのない23のラベル付きシーケンスと25の補足シーケンスが含まれており、ポイントクラウド上の自己教師付きおよび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ベンチマークを探索するために設計された。
論文 参考訳(メタデータ) (2023-02-16T13:41:19Z) - EarthNets: Empowering AI in Earth Observation [24.127243729734765]
我々は,400以上の公開データセットを総合的にレビューし,土地利用・調査,変化・災害モニタリング,景観理解,農業,気候変動,気象予報などの応用について紹介する。
モデル評価のための新しいベンチマークを構築するために,データセットを計測,ランク付け,選択することを提案する。
地球観測のための新しいプラットフォームであるEarthNetsは、リモートセンシングデータ上での深層学習手法の公平かつ一貫した評価に向けてリリースされた。
論文 参考訳(メタデータ) (2022-10-10T18:09:35Z) - GEMv2: Multilingual NLG Benchmarking in a Single Line of Code [161.1761414080574]
Generation, Evaluation, and Metrics Benchmarkは、データセット、モデル、メトリック開発者のためのモジュラーインフラストラクチャを提供する。
GEMv2は51言語で40のドキュメントデータセットをサポートする。
すべてのデータセットのモデルはオンラインで評価でき、インタラクティブなデータカード作成とレンダリングツールによって、生きたベンチマークに新しいデータセットを簡単に追加できます。
論文 参考訳(メタデータ) (2022-06-22T17:52:30Z) - AutoGeoLabel: Automated Label Generation for Geospatial Machine Learning [69.47585818994959]
リモートセンシングデータのためのラベルの自動生成のためのビッグデータ処理パイプラインを評価する。
我々は,大規模データプラットフォームであるIBM PAIRSを用いて,密集都市部でそのようなラベルを動的に生成する。
論文 参考訳(メタデータ) (2022-01-31T20:02:22Z) - A Survey on Awesome Korean NLP Datasets [0.0]
本稿では,韓国の一般的なNLPデータセットを15種類紹介し,データセットにインスパイアされたボリューム,ライセンス,レポジトリ,その他の研究結果を要約した。
データセットの主な特徴は、研究者のためにデータセットの迅速な要約を提供するために、単一のテーブルに示される。
論文 参考訳(メタデータ) (2021-10-17T03:24:05Z) - SCSS-Net: Solar Corona Structures Segmentation by Deep Learning [0.0]
太陽コロナの構造は、直接的または間接的に地球に影響を与える可能性のある宇宙の気象過程の主要な要因である。
本研究では,EUVスペクトルで観測された太陽コロナ構造の自動セグメンテーション法を開発した。
このモデルの出力は、太陽活動と地球への宇宙気象の影響の間の関係について、より統計的に研究するために使われる。
論文 参考訳(メタデータ) (2021-09-22T16:51:50Z) - A hierarchical deep learning framework for the consistent classification
of land use objects in geospatial databases [8.703408520845645]
本稿では,土地利用情報を検証するための階層的ディープラーニングフレームワークを提案する。
複数レベルの土地利用を階層的に同時に予測することを目的とした新しいCNN方式を提案する。
実験によると、CNNはJOに依存しており、全体の精度は92.5%まで向上している。
論文 参考訳(メタデータ) (2021-04-14T17:16:35Z) - Campus3D: A Photogrammetry Point Cloud Benchmark for Hierarchical
Understanding of Outdoor Scene [76.4183572058063]
複数の屋外シーン理解タスクに対して,リッチな注釈付き3Dポイントクラウドデータセットを提案する。
データセットは階層型ラベルとインスタンスベースのラベルの両方でポイントワイズアノテートされている。
本稿では,3次元点雲分割のための階層的学習問題を定式化し,様々な階層間の整合性を評価することを提案する。
論文 参考訳(メタデータ) (2020-08-11T19:10:32Z) - Open Graph Benchmark: Datasets for Machine Learning on Graphs [86.96887552203479]
スケーラブルで堅牢で再現可能なグラフ機械学習(ML)の研究を容易にするために,Open Graph Benchmark(OGB)を提案する。
OGBデータセットは大規模で、複数の重要なグラフMLタスクを含み、さまざまなドメインをカバーする。
各データセットに対して,有意義なアプリケーション固有のデータ分割と評価指標を用いた統一評価プロトコルを提供する。
論文 参考訳(メタデータ) (2020-05-02T03:09:50Z) - Segmentation of Satellite Imagery using U-Net Models for Land Cover
Classification [2.28438857884398]
本稿では,衛星画像に基づく土地被覆分類マップを作成するために,U-Net構造を改良した畳み込み機械学習モデルを用いた。
本研究の目的は、自動土地被覆マッピングのための畳み込みモデルの訓練と試験を行い、土地被覆マッピングの精度向上と変更検出における使用性を評価することである。
論文 参考訳(メタデータ) (2020-03-05T20:07:48Z)
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。