論文の概要: Automatic Classification of Single Tree Decay Stages from Combined ALS Data and Aerial CIR Imagery using Machine Learning

• arxiv url: http://arxiv.org/abs/2301.01841v2
• Date: Mon, 1 May 2023 08:17:35 GMT
• ステータス: 処理完了
• システム内更新日: 2023-05-02 18:53:18.173577
• Title: Automatic Classification of Single Tree Decay Stages from Combined ALS Data and Aerial CIR Imagery using Machine Learning
• Title（参考訳）: 機械学習を用いたALSデータと空中CIR画像の複合化による倒木ステージの自動分類
• Authors: Tsz Chung Wong, Abubakar Sani-Mohammed, Wei Yao, Marco Heurich
• Abstract要約: 本研究では, 空中レーザスキャンデータとカラー赤外画像を組み合わせた画像から, 個々の木々を5つの崩壊段階(生, 減少, 死, 樹皮, 清潔)に自動分類する。 全てのモデルは有望な結果となり、それぞれ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 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 data and color infrared images using Machine Learning methods. First, CIR colorized point clouds are created by fusing the ALS point clouds and the color infrared images. Then, with the colorized point cloud, individual tree segmentation is conducted using a semi-automatic approach, which are further projected onto four orthogonal planes displaying the side views of the trees in 2D. Finally, the classification is conducted on the multispectral point clouds and projected images using the three Machine Learning algorithms. All models achieved promising results, reaching overall accuracy (OA) of 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 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.
• 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に基づく技術は、森林の在庫が前例のない正確さでより効率的で持続可能である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,機械学習を用いた空中レーザスキャンデータとカラー赤外画像の組み合わせから,個々の針葉樹を5つの崩壊段階(ライブ, 劣化, 死, 樹皮, クリーニング)に自動分類した。 まず、ALS点雲とカラー赤外線画像とを融合させてCIR色化した点雲を生成する。 次に、彩色点雲を用いて、半自動的なアプローチで個々の木分画を行い、さらに2dで木の側面図を表示する4つの直交平面に投影する。 最後に、3つの機械学習アルゴリズムを用いてマルチスペクトル点雲と投影画像上で分類を行う。 すべてのモデルで有望な結果が得られ、cnn、rf、pointnetの合計精度(oa)は90.9%、90.6%、80.6%に達した。 実験の結果,画像ベースのアプローチは点クラウドベースの手法を著しく上回り,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。 そこで本モデルでは, 樹木の崩壊段階の自動決定と, 近代的空中リモートセンシングによる枯木量, 品質のランドスケープな評価に利用することができる。

関連論文リスト

• Tree Species Classification using Machine Learning and 3D Tomographic SAR -- a case study in Northern Europe [0.0]
  樹木種の分類は、自然保護、森林在庫、森林管理、絶滅危惧種の保護において重要な役割を担っている。 本研究では,SLC(Single-look Complex)画像のスタックを利用した3次元トモグラフィーデータセットであるTtomoSenseを用いた。
  論文  参考訳（メタデータ） (2024-11-19T22:25:26Z)
• 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)

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。