論文の概要: Tracking the industrial growth of modern China with high-resolution
panchromatic imagery: A sequential convolutional approach
- arxiv url: http://arxiv.org/abs/2301.09620v1
- Date: Mon, 23 Jan 2023 18:40:21 GMT
- ステータス: 処理完了
- システム内更新日: 2023-01-24 12:38:33.914574
- Title: Tracking the industrial growth of modern China with high-resolution
panchromatic imagery: A sequential convolutional approach
- Title（参考訳）: 高分解能パンクロマティック画像による現代中国の産業成長の追跡--逐次畳み込みアプローチ
- Authors: Ethan Brewer, Zhonghui Lv, and Dan Runfola
- Abstract要約: 我々は高解像度のパンクロマトグラフィー画像を用いて、中華人民共和国の工業地419箇所で経時的に発展を推定する。
19年間にわたる2,07850cmの解像度画像のデータセットから,高解像度の日中画像を用いて産業発展の2次元を推定できることが示唆された。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Due to insufficient or difficult to obtain data on development in
inaccessible regions, remote sensing data is an important tool for interested
stakeholders to collect information on economic growth. To date, no studies
have utilized deep learning to estimate industrial growth at the level of
individual sites. In this study, we harness high-resolution panchromatic
imagery to estimate development over time at 419 industrial sites in the
People's Republic of China using a multi-tier computer vision framework. We
present two methods for approximating development: (1) structural area coverage
estimated through a Mask R-CNN segmentation algorithm, and (2) imputing
development directly with visible & infrared radiance from the Visible Infrared
Imaging Radiometer Suite (VIIRS). Labels generated from these methods are
comparatively evaluated and tested. On a dataset of 2,078 50 cm resolution
images spanning 19 years, the results indicate that two dimensions of
industrial development can be estimated using high-resolution daytime imagery,
including (a) the total square meters of industrial development (average error
of 0.021 $\textrm{km}^2$), and (b) the radiance of lights (average error of 9.8
$\mathrm{\frac{nW}{cm^{2}sr}}$). Trend analysis of the techniques reveal
estimates from a Mask R-CNN-labeled CNN-LSTM track ground truth measurements
most closely. The Mask R-CNN estimates positive growth at every site from the
oldest image to the most recent, with an average change of 4,084
$\textrm{m}^2$.
- Abstract（参考訳）: アクセシブルな地域での開発データを得るのが不十分、あるいは困難であるため、リモートセンシングデータは、利害関係者が経済成長に関する情報を集める上で重要なツールである。
現在まで、深層学習を利用して個別のサイトレベルでの工業的成長を推定する研究は行われていない。
本研究では,高分解能パンクロマティック画像を用いて,多層コンピュータビジョンフレームワークを用いて,中華人民共和国の419の工業施設における開発経過を推定する。
本稿では,(1)Mask R-CNNセグメンテーションアルゴリズムを用いて推定した構造面積カバレッジと,(2)可視・赤外線放射率を直接計算するVIIRS(Visible Infrared Imaging Radiometer Suite)の手法を提案する。
これらの手法から生成されたラベルは比較的評価されテストされる。
19年にわたる2,078cmの解像度画像のデータセットにおいて,産業発展の2次元を,高分解能の昼間画像を用いて推定可能であることを示唆する。
(a)産業開発総平方メートル(平均誤差0.021$\textrm{km}^2$)及び
(b)光の放射率(平均誤差 9.8$\mathrm {\frac{nW}{cm^{2}sr}}$)
この手法のトレンド分析により,Mask R-CNN標識CNN-LSTM軌道真理測定から得られた推定値が最もよく明らかになった。
Mask R-CNNは、最も古い画像から最新の画像までの全てのサイトにおいて、平均的な変化は4,084ドル\textrm{m}^2$と見積もっている。
関連論文リスト
- Semi-Truths: A Large-Scale Dataset of AI-Augmented Images for Evaluating Robustness of AI-Generated Image detectors [62.63467652611788]
実画像27,600枚、223,400枚、AI拡張画像1,472,700枚を含むSEMI-TRUTHSを紹介する。
それぞれの画像には、検出器のロバスト性の標準化と目標評価のためのメタデータが添付されている。
以上の結果から,現状の検出器は摂動の種類や程度,データ分布,拡張方法に様々な感度を示すことが示唆された。
論文 参考訳（メタデータ） (2024-11-12T01:17:27Z) - Leveraging Neural Radiance Fields for Uncertainty-Aware Visual
Localization [56.95046107046027]
我々は,Neural Radiance Fields (NeRF) を用いてシーン座標回帰のためのトレーニングサンプルを生成することを提案する。
レンダリングにおけるNeRFの効率にもかかわらず、レンダリングされたデータの多くはアーティファクトによって汚染されるか、最小限の情報ゲインしか含まない。
論文 参考訳（メタデータ） (2023-10-10T20:11:13Z) - Transforming Observations of Ocean Temperature with a Deep Convolutional
Residual Regressive Neural Network [0.0]
海面温度(SST)は、地上の真理、リモートセンシング、ハイブリッドモデル手法を通じて測定できる、必須の気候変動である。
ここでは,20世紀後半から21世紀初頭にかけてのいくつかの技術進歩を応用して,SST監視の進展を祝福する。
本研究では, AMSR-E と MODIS を高分解能に融合させるため, 既存の水循環観測フレームワークである Flux to Flow (F2F) を開発した。
我々のニューラルネットワークアーキテクチャは、深い畳み込み残留回帰ニューラルネットワークに制約されている。
論文 参考訳（メタデータ） (2023-06-16T17:35:11Z) - Extended Agriculture-Vision: An Extension of a Large Aerial Image
Dataset for Agricultural Pattern Analysis [11.133807938044804]
農業ビジョンデータセットの改良版(Chiu et al., 2020b)をリリースする。
このデータセットは,3600大,高解像度(10cm/ピクセル),フルフィールド,赤緑色,近赤外画像の事前トレーニングにより拡張する。
下流分類とセマンティックセグメンテーションの両タスクにおいて、異なるコントラスト学習アプローチをベンチマークすることで、このデータの有用性を実証する。
論文 参考訳（メタデータ） (2023-03-04T17:35:24Z) - Deep Industrial Image Anomaly Detection: A Survey [85.44223757234671]
近年の深層学習の急速な発展は,産業用画像異常検出(IAD)のマイルストーンとなった
本稿では,ディープラーニングによる画像異常検出手法の総合的なレビューを行う。
画像異常検出のオープニング課題をいくつか取り上げる。
論文 参考訳（メタデータ） (2023-01-27T03:18:09Z) - Semantic Segmentation of Vegetation in Remote Sensing Imagery Using Deep
Learning [77.34726150561087]
本稿では,公開されているリモートセンシングデータからなるマルチモーダル・大規模時間データセットを作成するためのアプローチを提案する。
我々は、異なる種類の植生を分離できる畳み込みニューラルネットワーク(CNN)モデルを使用する。
論文 参考訳（メタデータ） (2022-09-28T18:51:59Z) - Superpixels and Graph Convolutional Neural Networks for Efficient
Detection of Nutrient Deficiency Stress from Aerial Imagery [3.6843744304889183]
リモートセンシングデータから栄養不足地域を特定し、注意が必要な地域へ農家に警告します。
ノードベースの分類を行うために,より軽量なグラフベースの手法を提案する。
このモデルは、cnnモデルよりも4桁少ないパラメータを持ち、数分で列車が走る。
論文 参考訳（メタデータ） (2021-04-20T21:18:16Z) - Fusing Optical and SAR time series for LAI gap filling with multioutput
Gaussian processes [6.0122901245834015]
農地上の永久雲は、作物の生育の重要な段階を隠蔽し、信頼できない収量予測をもたらす。
SAR(Synthetic Aperture Radar)は、この制限を克服できるオールウェザー画像を提供する。
本稿では,マルチセンサ時系列間の統計的関係を自動的に学習する機械学習手法であるMOGP回帰(Multi-Output Gaussian Process)を提案する。
論文 参考訳（メタデータ） (2020-12-05T10:36:45Z) - Background Adaptive Faster R-CNN for Semi-Supervised Convolutional
Object Detection of Threats in X-Ray Images [64.39996451133268]
我々は、バックグラウンド適応型高速R-CNNと呼ばれる脅威認識のための半教師付きアプローチを提案する。
本手法は,ディープラーニング分野からのドメイン適応手法を用いた2段階物体検出器の訓練手法である。
2つのドメイン識別器(1つはオブジェクト提案を識別し、もう1つは画像特徴を識別する)は、ドメイン固有の情報を符号化するのを防ぐために敵対的に訓練される。
これにより、手作業の背景から抽出した特徴の統計と実世界のデータとを一致させることで、脅威検出の誤報率を低減することができる。
論文 参考訳（メタデータ） (2020-10-02T21:05:13Z) - Saliency Enhancement using Gradient Domain Edges Merging [65.90255950853674]
本研究では,エッジとサリエンシマップをマージして,サリエンシマップの性能を向上させる手法を開発した。
これにより、DUT-OMRONデータセットの少なくとも3.4倍の平均的な改善により、エッジ(SEE)を使用したサリエンシ向上が提案された。
SEEアルゴリズムは前処理のためのSEE-Preと後処理のためのSEE-Postの2つの部分に分けられる。
論文 参考訳（メタデータ） (2020-02-11T14:04:56Z) - An Unsupervised Generative Neural Approach for InSAR Phase Filtering and
Coherence Estimation [3.8218584696400484]
我々は,共同位相フィルタリングとコヒーレンス推定のためのCNNに基づく生成モデルであるGenInSARを提案する。
GenInSARの衛星とシミュレートされたノイズのあるInSAR画像に関する教師なしの訓練は、全残留量削減において他の関連手法よりも優れている。
Coherence Root-Mean-Squared-Error と Phase Cosine Error はそれぞれ、関連する方法と比較して平均 0.54, 0.07, 0.05 改善されている。
論文 参考訳（メタデータ） (2020-01-27T08:50:39Z)
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。