論文の概要: AMD-HookNet for Glacier Front Segmentation
- arxiv url: http://arxiv.org/abs/2302.02744v1
- Date: Mon, 6 Feb 2023 12:39:40 GMT
- ステータス: 処理完了
- システム内更新日: 2023-02-07 16:47:39.669142
- Title: AMD-HookNet for Glacier Front Segmentation
- Title（参考訳）: 氷河フロントセグメンテーションのためのAMD-HookNet
- Authors: Fei Wu, Nora Gourmelon, Thorsten Seehaus, Jianlin Zhang, Matthias
Braun, Andreas Maier, and Vincent Christlein
- Abstract要約: 氷河の開削前位置の変化に関する知識は 氷河の状態を評価する上で重要です
深層学習に基づく手法は、光学衛星画像やレーダー衛星画像から氷河の前部線を削る大きな可能性を示している。
本研究では,新しい氷河養生フロントセグメンテーションフレームワークであるAttention-Multi-hooking-Deep-supervision HookNetを提案する。
- 参考スコア（独自算出の注目度）: 17.60067480799222
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Knowledge on changes in glacier calving front positions is important for
assessing the status of glaciers. Remote sensing imagery provides the ideal
database for monitoring calving front positions, however, it is not feasible to
perform this task manually for all calving glaciers globally due to
time-constraints. Deep learning-based methods have shown great potential for
glacier calving front delineation from optical and radar satellite imagery. The
calving front is represented as a single thin line between the ocean and the
glacier, which makes the task vulnerable to inaccurate predictions. The limited
availability of annotated glacier imagery leads to a lack of data diversity
(not all possible combinations of different weather conditions, terminus
shapes, sensors, etc. are present in the data), which exacerbates the
difficulty of accurate segmentation. In this paper, we propose
Attention-Multi-hooking-Deep-supervision HookNet (AMD-HookNet), a novel glacier
calving front segmentation framework for synthetic aperture radar (SAR) images.
The proposed method aims to enhance the feature representation capability
through multiple information interactions between low-resolution and
high-resolution inputs based on a two-branch U-Net. The attention mechanism,
integrated into the two branch U-Net, aims to interact between the
corresponding coarse and fine-grained feature maps. This allows the network to
automatically adjust feature relationships, resulting in accurate
pixel-classification predictions. Extensive experiments and comparisons on the
challenging glacier segmentation benchmark dataset CaFFe show that our
AMD-HookNet achieves a mean distance error of 438 m to the ground truth
outperforming the current state of the art by 42%, which validates its
effectiveness.
- Abstract（参考訳）: 氷河の開削前位置の変化に関する知識は氷河の状態を評価する上で重要である。
リモートセンシング画像は, 前方位置のモニタリングに理想的なデータベースを提供するが, 時間制約のため, 全氷河で手動で行うことは不可能である。
深層学習に基づく手法は、光学衛星画像やレーダー衛星画像から氷河の前部線を削る大きな可能性を示している。
カルビングフロントは、海と氷河の間の1本の細い線として表現されており、不正確な予測に対して脆弱である。
注釈付き氷河画像の可用性は限られており、データの多様性が欠如している(異なる気象条件、終点形状、センサーなどの組み合わせがデータに存在するわけではない)ため、正確なセグメンテーションの難しさが増す。
本稿では,合成開口レーダ(SAR)画像のための氷河養生フロントセグメンテーションフレームワークであるAttention-Multi-hooking-Deep-supervision HookNet(AMD-HookNet)を提案する。
提案手法は,2分岐U-Netに基づく低解像度入力と高解像度入力の複数情報相互作用による特徴表現能力の向上を目的とする。
2つの枝U-Netに統合されたアテンションメカニズムは、対応する粗い特徴マップときめ細かい特徴マップの相互作用を目的としている。
これにより、ネットワークは自動的に特徴関係を調整でき、正確なピクセル分類予測が可能になる。
氷河セグメンテーションベンチマークデータセットcaffeを用いた広範な実験と比較の結果,amd-hooknetは実地真理に対する平均距離誤差を438mとし,その効果を42%向上させた。
関連論文リスト
- Scalable Glacier Mapping using Deep Learning and Open Earth Observation Data Matches the Accuracy of Manual Delineation [0.718723384367814]
Glacier-VisionTransformer-U-Net (GlaViTU) は畳み込み変換型ディープラーニングモデルである。
合成開口レーダデータ、すなわち後方散乱と干渉コヒーレンスを追加することで、利用可能なすべての領域の精度が向上する。
世界中の氷河の9%をカバーするベンチマークデータセットをリリースしました。
論文 参考訳（メタデータ） (2024-01-25T20:41:17Z) - Learning Real-World Image De-Weathering with Imperfect Supervision [57.748585821252824]
既存の現実世界のデヒータリングデータセットは、接地トラス画像と入力された劣化画像の間に、一貫性のない照明、位置、テクスチャを示すことが多い。
我々は、入力劣化画像と可能な限り一貫性のある擬似ラベルを生成するための一貫性ラベルコンストラクタ(CLC)を開発した。
我々は,従来の不完全ラベルと擬似ラベルを組み合わせることで,情報割当戦略による脱ウェザリングモデルを共同で監督する。
論文 参考訳（メタデータ） (2023-10-23T14:02:57Z) - Accelerating Scalable Graph Neural Network Inference with Node-Adaptive
Propagation [80.227864832092]
グラフニューラルネットワーク(GNN)は、様々なアプリケーションで例外的な効果を発揮している。
大規模グラフの重大化は,GNNによるリアルタイム推論において重要な課題となる。
本稿では,オンライン伝搬フレームワークと2つの新しいノード適応伝搬手法を提案する。
論文 参考訳（メタデータ） (2023-10-17T05:03:00Z) - Unsupervised Landmark Discovery Using Consistency Guided Bottleneck [63.624186864522315]
画像再構成に基づくパイプラインに一貫性のあるボトルネックを導入する。
本稿では,画像間のランドマーク対応を形成することによって,擬似スーパービジョンを得る手法を提案する。
この一貫性は、アダプティブ・ヒートマップの生成において発見されたランドマークの不確かさを変調する。
論文 参考訳（メタデータ） (2023-09-19T10:57:53Z) - GlacierNet2: A Hybrid Multi-Model Learning Architecture for Alpine
Glacier Mapping [5.953569982292301]
氷河の幾何学に関するテーマ的かつ定量的な情報は、気候変動に対する氷河の強制と感受性を理解するのに不可欠である。
デブリ被覆氷河(DCG)の正確なマッピングは、スペクトル情報と従来の機械学習技術によって難しいことが知られている。
本研究の目的は、畳み込みニューラルネットワークセグメンテーションモデルを利用して、地域のDCGアブレーションゾーンを正確に概説する、先進的なディープラーニングベースのアプローチであるGlacierNetを改善することである。
論文 参考訳（メタデータ） (2022-04-06T14:39:34Z) - Highly Accurate Dichotomous Image Segmentation [139.79513044546]
Dichotomous Image segmentation (DIS)と呼ばれる新しいタスクは、自然画像から高度に正確な物体を抽出することを目的としている。
私たちは、5,470の高解像度画像(例えば、2K、4K以上の画像)を含む最初の大規模データセットdis5Kを収集します。
また、Disdisモデルトレーニングのための特徴レベルとマスクレベルの両方のガイダンスを用いて、単純な中間監視ベースライン(IS-Net)を導入する。
論文 参考訳（メタデータ） (2022-03-06T20:09:19Z) - On Mathews Correlation Coefficient and Improved Distance Map Loss for
Automatic Glacier Calving Front Segmentation in SAR Imagery [7.64750171496838]
アウトレット氷河や極地氷床の氷流の大部分は海に終止符を打っている。
過去数十年間、氷河の海への転覆による氷の質量損失は増加している。
ディープニューラルネットワークベースのセマンティックセグメンテーションパイプラインを使用して、取得したSARイメージを記述することができる。
論文 参考訳（メタデータ） (2021-02-16T17:53:34Z) - Bayesian U-Net for Segmenting Glaciers in SAR Imagery [7.960675807187592]
不確実性を計算し,新しい二段階プロセスとして不確実性最適化手法として用いることを提案する。
ネットワークへの不確実性マップの供給は95.24%のdice類似性をもたらす。
これは、最先端の決定論的U-Netベースの氷河セグメンテーションパイプラインと比較して、全体的なセグメンテーション性能の改善である。
論文 参考訳（メタデータ） (2021-01-08T23:17:49Z) - Glacier Calving Front Segmentation Using Attention U-Net [7.64750171496838]
Intention U-Net を用いて,SAR 画像から氷河養生前線をエンドツーエンドに分割する手法を提案する。
最先端のU-Netネットワークに注意モジュールを追加することで、注意マップを抽出して学習プロセスを分析できます。
提案する注意点u-netは標準のu-netと同等に動作し,ネットワークがより集中するように学習した領域に対するさらなる洞察を提供する。
論文 参考訳（メタデータ） (2021-01-08T23:06:21Z) - Machine Learning for Glacier Monitoring in the Hindu Kush Himalaya [54.12023102155757]
氷河マッピングは、hkh領域における生態モニタリングの鍵となる。
気候変動は、氷河生態系の健康に依存している個人にリスクを与える。
本稿では,氷河に着目した環境モニタリングを支援する機械学習手法を提案する。
論文 参考訳（メタデータ） (2020-12-09T12:48:06Z) - Anchor-free Small-scale Multispectral Pedestrian Detection [88.7497134369344]
適応型単一段アンカーフリーベースアーキテクチャにおける2つのモードの効果的かつ効率的な多重スペクトル融合法を提案する。
我々は,直接的境界ボックス予測ではなく,対象の中心と規模に基づく歩行者表現の学習を目指す。
その結果,小型歩行者の検出における本手法の有効性が示唆された。
論文 参考訳（メタデータ） (2020-08-19T13:13:01Z)
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。