論文の概要: Automatic Classification of Single Tree Decay Stages from Combined ALS
Data and Aerial Imagery using Machine Learning
- arxiv url: http://arxiv.org/abs/2301.01841v1
- Date: Wed, 4 Jan 2023 22:20:16 GMT
- ステータス: 処理完了
- システム内更新日: 2023-01-06 14:00:39.825676
- Title: Automatic Classification of Single Tree Decay Stages from Combined ALS
Data and Aerial Imagery using Machine Learning
- Title(参考訳): 機械学習を用いたALSデータと空中画像の組み合わせによる単樹落葉段の自動分類
- Authors: Tsz Chung Wong, Abubakar Sani-Mohammed, Wei Yao, Marco Heurich
- Abstract要約: 本研究では,3次元クラウドベースディープラーニング(PointNet),畳み込みニューラルネットワーク(CNN),ランダムフォレスト(RF)という3つの機械学習手法を用いて,空中レーザースキャン(ALS)点群とCIR画像から,個々の木々を5つの崩壊段階(ライブ, 減少, 死, 樹皮, クリーニング)に自動分類した。
全てのモデルで有望な結果が得られ、CNN、RF、PointNetの総合精度は90.9%、90.6%、80.6%に達した。
- 参考スコア(独自算出の注目度): 0.7391823486666543
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Understanding forest health is of great importance for the conservation of
the integrity of forest ecosystems. The monitoring of forest health is,
therefore, indispensable for the long-term conservation of forests and their
sustainable management. In this regard, evaluating the amount and quality of
dead wood is of utmost interest as they are favorable indicators of
biodiversity. Apparently, remote sensing-based machine learning techniques have
proven to be more efficient and sustainable with unprecedented accuracy in
forest inventory. However, the application of these techniques is still in its
infancy with respect to dead wood mapping. This study investigates for the
first time the automatic classification of individual coniferous trees into
five decay stages (live, declining, dead, loose bark, and clean) from combined
airborne laser scanning (ALS) point clouds and CIR images using three Machine
Learning methods - 3D point cloud-based deep learning (PointNet), Convolutional
Neural Network (CNN), and Random Forest (RF). All models achieved promising
results, reaching overall accuracy (OA) up to 90.9%, 90.6%, and 80.6% for CNN,
RF, and PointNet, respectively. The experimental results reveal that the
image-based approach notably outperformed the 3D point cloud-based one, while
spectral image texture is of the highest relevance to the success of
categorizing tree decay. Our models could therefore be used for automatic
determination of single tree decay stages and landscape-wide assessment of dead
wood amount and quality using modern airborne remote sensing techniques with
machine/deep learning. The proposed method can contribute as an important and
rigorous tool for monitoring biodiversity in forest ecosystems.
- Abstract(参考訳): 森林の健康を理解することは森林生態系の保全にとって非常に重要である。
したがって、森林の健康状態のモニタリングは、森林の長期保存と持続可能な管理に不可欠である。
この点において, 死木材の量と品質を評価することは, 生物多様性の指標として好まれる。
リモートセンシングベースの機械学習技術は、森林在庫において前例のない精度で、より効率的で持続可能なことが証明されている。
しかし、これらの技術の適用は、死んだ木材のマッピングに関してはまだ初期段階にある。
本研究では,3次元クラウドベース深層学習(PointNet),畳み込みニューラルネットワーク(CNN),ランダムフォレスト(RF)の3つの手法を用いて,空中レーザー走査(ALS)点群とCIR画像から,個々の針葉樹を5つの崩壊段階(ライブ,ダウン,デッド,バーク,クリーン)に自動分類した。
全てのモデルは有望な結果を達成し、CNN、RF、PointNetの総合精度は90.9%、90.6%、80.6%に達した。
実験の結果,画像ベースアプローチは3dポイントの雲ベースの手法よりも顕著に優れ,スペクトル画像のテクスチャは樹木の崩壊を分類する成功に最も寄与することが明らかとなった。
そこで本モデルは, 機械/深度学習による近代的空中リモートセンシング技術を用いて, 単木崩壊段数の自動決定と枯木量および品質のランドスケープ評価に利用することができる。
提案手法は,森林生態系の生物多様性をモニタリングするための重要かつ厳密なツールとして有用である。
関連論文リスト
- Comparative Analysis of Novel View Synthesis and Photogrammetry for 3D Forest Stand Reconstruction and extraction of individual tree parameters [2.153174198957389]
光度測定は一般的に森林の景観の再構築に使われるが、低効率や低品質といった課題に直面している。
NeRFは、天蓋領域ではよいが、視野が限られている地上領域ではエラーが発生する可能性がある。
3DGS法は胸の高さ(DBH)の精度に影響を及ぼすスペーサー点雲を生成する。
論文 参考訳(メタデータ) (2024-10-08T07:53:21Z) - HVDistill: Transferring Knowledge from Images to Point Clouds via Unsupervised Hybrid-View Distillation [106.09886920774002]
本稿では,HVDistillと呼ばれるハイブリッドビューに基づく知識蒸留フレームワークを提案する。
提案手法は,スクラッチからトレーニングしたベースラインに対して一貫した改善を実現し,既存のスキームを大幅に上回っている。
論文 参考訳(メタデータ) (2024-03-18T14:18:08Z) - Automated forest inventory: analysis of high-density airborne LiDAR
point clouds with 3D deep learning [16.071397465972893]
ForAINetは多様な森林タイプや地理的地域をまたいでセグメンテーションを行うことができる。
システムは、調査ドローンを使用して5つの国で取得されたポイントクラウドのデータセットであるFor-Instanceでテストされている。
論文 参考訳(メタデータ) (2023-12-22T21:54:35Z) - Leveraging Large-Scale Pretrained Vision Foundation Models for
Label-Efficient 3D Point Cloud Segmentation [67.07112533415116]
本稿では3Dポイントクラウドセグメンテーションタスクに様々な基礎モデルを適用する新しいフレームワークを提案する。
我々のアプローチでは、異なる大きな視覚モデルを用いて2次元セマンティックマスクの初期予測を行う。
本研究では,ロバストな3Dセマンティックな擬似ラベルを生成するために,投票による全ての結果を効果的に組み合わせたセマンティックなラベル融合戦略を提案する。
論文 参考訳(メタデータ) (2023-11-03T15:41:15Z) - PointHPS: Cascaded 3D Human Pose and Shape Estimation from Point Clouds [99.60575439926963]
本稿では,実環境で捉えた点雲から正確な3次元HPSを実現するための基本的フレームワークであるPointHPSを提案する。
PointHPSは、カスケードアーキテクチャを通じてポイント機能を反復的に洗練する。
広範囲な実験により、ポイントHPSは強力な特徴抽出と処理方式を持ち、State-of-the-Art法より優れていることが示された。
論文 参考訳(メタデータ) (2023-08-28T11:10:14Z) - Classification of structural building damage grades from multi-temporal
photogrammetric point clouds using a machine learning model trained on
virtual laser scanning data [58.720142291102135]
実世界の点雲からの多層建築物の損傷を自動的に評価する新しい手法を提案する。
我々は、仮想レーザースキャン(VLS)データに基づいて訓練された機械学習モデルを使用する。
このモデルでは、高いマルチターゲット分類精度(全精度:92.0% - 95.1%)が得られる。
論文 参考訳(メタデータ) (2023-02-24T12:04:46Z) - 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) - Development of Automatic Tree Counting Software from UAV Based Aerial
Images With Machine Learning [0.0]
本研究の目的は,UAVによる高解像度画像から,シルト大学キャンパスの指定領域の樹木を自動カウントすることである。
Adobe Photoshopのフォトマージツールを使って、高さ30mで20%オーバーラップした画像を地上局でオフラインで縫い付けました。
論文 参考訳(メタデータ) (2022-01-07T22:32:08Z) - Deep Learning Based 3D Point Cloud Regression for Estimating Forest
Biomass [15.956463815168034]
森林バイオマス資源の知識とその開発は、効果的な気候変動対策を実施する上で重要である。
空中LiDARを用いたリモートセンシングは、大規模に植生のバイオマスを測定するのに利用できる。
本稿では,3次元LiDAR点雲データから,木材の体積,地上バイオマス(AGB)および炭素を直接推定する深層学習システムを提案する。
論文 参考訳(メタデータ) (2021-12-21T16:26:13Z) - Potato Crop Stress Identification in Aerial Images using Deep
Learning-based Object Detection [60.83360138070649]
本稿では, 深層ニューラルネットワークを用いたジャガイモの空中画像解析手法を提案する。
主な目的は、植物レベルでの健康作物とストレス作物の自動空間認識を実証することである。
実験により、フィールド画像中の健康植物とストレス植物を識別し、平均Dice係数0.74を達成できることを示した。
論文 参考訳(メタデータ) (2021-06-14T21:57:40Z) - Instance segmentation of fallen trees in aerial color infrared imagery
using active multi-contour evolution with fully convolutional network-based
intensity priors [0.5276232626689566]
画像のセグメンテーションマップ上での複数のアクティブな輪郭進化により、共通オブジェクトクラスのインスタンスをセグメンテーションするフレームワークを導入する。
高分解能空中多スペクトル画像から個々の落下茎を分割する文脈で提案されたフレームワークをインスタンス化する。
論文 参考訳(メタデータ) (2021-05-05T11:54:05Z)
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。