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

• Diffusion Models as Data Mining Tools [87.77999285241219]
  本稿では、画像合成のために訓練された生成モデルを視覚データマイニングのツールとして利用する方法について述べる。 特定のデータセットから画像を合成するために条件拡散モデルを微調整した後、これらのモデルを用いて典型性尺度を定義することができることを示す。 この尺度は、地理的位置、タイムスタンプ、セマンティックラベル、さらには病気の存在など、異なるデータラベルに対する典型的な視覚的要素がどのように存在するかを評価する。
  論文  参考訳（メタデータ） (2024-07-20T17:14:31Z)
• SolNet: Open-source deep learning models for photovoltaic power forecasting across the globe [0.0]
  SolNetは、新しい汎用多変量太陽発電予測器である。 我々はSolNetがデータスカース設定よりも予測性能を向上させることを示す。 転校学習実践者に対するガイドラインと考察を行う。
  論文  参考訳（メタデータ） (2024-05-23T12:00:35Z)
• UniTraj: A Unified Framework for Scalable Vehicle Trajectory Prediction [93.77809355002591]
  さまざまなデータセット、モデル、評価基準を統一する包括的なフレームワークであるUniTrajを紹介する。 我々は広範な実験を行い、他のデータセットに転送するとモデルの性能が大幅に低下することがわかった。 これらの知見を説明するために,データセットの特徴に関する洞察を提供する。
  論文  参考訳（メタデータ） (2024-03-22T10:36:50Z)
• 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 [24.160463837610074]
  地球観測(EO)は、リモートセンシングデータを用いて惑星地球の状態を監視することを目的としている。 本稿では,500以上の公開データセットの総合的なレビューを行う。 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。
  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)
• 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)
• 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。