論文の概要: An End-to-End Two-Phase Deep Learning-Based workflow to Segment Man-made
Objects Around Reservoirs
- arxiv url: http://arxiv.org/abs/2302.03282v2
- Date: Wed, 8 Feb 2023 14:46:05 GMT
- ステータス: 処理完了
- システム内更新日: 2023-02-09 12:11:12.589104
- Title: An End-to-End Two-Phase Deep Learning-Based workflow to Segment Man-made
Objects Around Reservoirs
- Title（参考訳）: 貯水池周辺で人工物を切り離すための2相深層学習ワークフロー
- Authors: Nayereh Hamidishad and Roberto Marcondes Cesar Junior
- Abstract要約: 我々は,貯水池周辺の人工物セグメンテーションのためのDLと画像処理技術に基づく新しい手法を開発した。
ブラジルの8つの貯水池の収集したGoogle Earth(GE)画像を用いて、2年間にわたって提案されたワークフローを訓練した。
- 参考スコア（独自算出の注目度）: 2.7920304852537536
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Reservoirs are fundamental infrastructures for the management of water
resources. Constructions around them can negatively impact their quality. Such
unauthorized constructions can be monitored by land cover mapping (LCM) remote
sensing (RS) images. In this paper, we develop a new approach based on DL and
image processing techniques for man-made object segmentation around the
reservoirs. In order to segment man-made objects around the reservoirs in an
end-to-end procedure, segmenting reservoirs and identifying the region of
interest (RoI) around them are essential. In the proposed two-phase workflow,
the reservoir is initially segmented using a DL model. A post-processing stage
is proposed to remove errors such as floating vegetation. Next, the RoI around
the reservoir (RoIaR) is identified using the proposed image processing
techniques. Finally, the man-made objects in the RoIaR are segmented using a DL
architecture. We trained the proposed workflow using collected Google Earth
(GE) images of eight reservoirs in Brazil over two different years. The
U-Net-based and SegNet-based architectures are trained to segment the
reservoirs. To segment man-made objects in the RoIaR, we trained and evaluated
four possible architectures, U-Net, FPN, LinkNet, and PSPNet. Although the
collected data has a high diversity (for example, they belong to different
states, seasons, resolutions, etc.), we achieved good performances in both
phases. Furthermore, applying the proposed post-processing to the output of
reservoir segmentation improves the precision in all studied reservoirs except
two cases. We validated the prepared workflow with a reservoir dataset outside
the training reservoirs. The results show high generalization ability of the
prepared workflow.
- Abstract（参考訳）: 貯水池は水資源管理の基盤となっている。
周囲の構造は品質に悪影響を及ぼす可能性がある。
このような無許可構造は、ランドカバーマッピング(LCM)リモートセンシング(RS)画像によって監視することができる。
本稿では,貯水池周辺の人工物セグメンテーションのためのDLと画像処理技術に基づく新しいアプローチを開発する。
エンド・ツー・エンドの手順で貯水池周辺の人工物を切り離すには,貯水池を分割し,その周辺領域(roi)を特定することが不可欠である。
提案した2相ワークフローでは,まず,DLモデルを用いて貯留層を分割する。
フローティング植生などのエラーを取り除くために, 後処理段階を提案する。
次に, 提案した画像処理技術を用いて, 貯水池周辺のRoI(RoIaR)を同定した。
最後に、RoIaRの人工オブジェクトはDLアーキテクチャを使ってセグメント化される。
ブラジルの8つの貯水池の収集したGoogle Earth(GE)画像を用いて、2年間にわたって提案されたワークフローを訓練した。
U-NetベースのアーキテクチャとSegNetベースのアーキテクチャは、貯水池を分割するように訓練されている。
RoIaRで人工オブジェクトをセグメント化するために、U-Net、FPN、LinkNet、PSPNetの4つの可能なアーキテクチャをトレーニングし、評価した。
収集したデータには高い多様性(例えば、異なる状態、季節、解像度など)がありますが、両方のフェーズで優れたパフォーマンスを達成しています。
さらに, 貯留層セグメンテーションの出力に後処理を適用することにより, 2例を除くすべての貯留層における精度が向上した。
トレーニング貯水池の外の貯水池データセットで準備されたワークフローを検証する。
その結果,ワークフローの一般化能力が向上した。
関連論文リスト
- Bilateral Reference for High-Resolution Dichotomous Image Segmentation [109.35828258964557]
高分解能ジコトコス像分割(DIS)のための新しい両側参照フレームワーク(BiRefNet)を導入する。
それは2つの重要な構成要素から構成される: 局在モジュール (LM) と再構成モジュール (RM) と、提案した両側参照 (BiRef) である。
RM内では、画像の階層的パッチがソース参照を提供し、勾配マップがターゲット参照として機能する、再構成プロセスにBiRefを利用する。
論文 参考訳（メタデータ） (2024-01-07T07:56:47Z) - Background Activation Suppression for Weakly Supervised Object
Localization and Semantic Segmentation [84.62067728093358]
弱教師付きオブジェクトローカライゼーションとセマンティックセグメンテーションは、画像レベルのラベルのみを使用してオブジェクトをローカライズすることを目的としている。
画素レベルのローカライゼーションを実現するために,フォアグラウンド予測マップを生成することで,新たなパラダイムが誕生した。
本稿では,物体の局在化学習過程に関する2つの驚くべき実験結果を示す。
論文 参考訳（メタデータ） (2023-09-22T15:44:10Z) - Unpaired Overwater Image Defogging Using Prior Map Guided CycleGAN [60.257791714663725]
オーバーウォーターシーンで画像をデフォグするための先行マップガイドサイクロン (PG-CycleGAN) を提案する。
提案手法は,最先端の教師付き,半教師付き,非教師付きデグジングアプローチより優れている。
論文 参考訳（メタデータ） (2022-12-23T03:00:28Z) - Dam reservoir extraction from remote sensing imagery using tailored
metric learning strategies [6.040904021861968]
本稿では,ダム貯水池抽出を水域セグメンテーションとダム貯水池認識に分解するディープニューラルネットワークを用いたパイプラインを提案する。
我々は西アフリカとインドの河川流域から得られた地球画像データと人間ラベル付き貯水池のベンチマークデータセットを構築した。
論文 参考訳（メタデータ） (2022-07-12T19:46:01Z) - An unsupervised, open-source workflow for 2D and 3D building mapping
from airborne LiDAR data [0.0]
本研究では,空中LiDARデータを利用した大規模2次元および3次元ビルディングマッピングのためのオープンソースワークフローを提案する。
私たちのワークフローは完全に教師なしであり、いかなるトレーニング手順も不要です。
提案手法のロバスト性は,広範囲なデータセット(>550 km$2$)を用いて厳密に検証され,深層学習および手指による製品との比較によりさらに検証されている。
論文 参考訳（メタデータ） (2022-05-29T07:00:34Z) - Source Feature Compression for Object Classification in Vision-Based
Underwater Robotics [11.328151008009257]
水中ロボットにおける畳み込みニューラルネットワーク(CNN)に基づく物体分類のための2段階WHT(Walsh-Hadamard Transform)に基づく。
提案手法は, 学習に基づく水中物体分類作業において, 効果的に訓練時間を短縮できることを実証し, 検証した。
論文 参考訳（メタデータ） (2021-12-28T00:45:35Z) - AdaPool: Exponential Adaptive Pooling for Information-Retaining
Downsampling [82.08631594071656]
畳み込み層は畳み込みニューラルネットワーク(CNN)の重要な構成要素である
適応的で指数関数的に重み付けされたアダプール法を提案する。
adaPoolは画像やビデオの分類やオブジェクト検出など,さまざまなタスクを通じて,ディテールの保存性の向上を実証する。
論文 参考訳（メタデータ） (2021-11-01T08:50:37Z) - Transformer Meets Convolution: A Bilateral Awareness Net-work for
Semantic Segmentation of Very Fine Resolution Ur-ban Scene Images [6.460167724233707]
本稿では,依存経路とテクスチャパスを含む相互認知ネットワーク(BANet)を提案する。
BANetは、VFR画像の長距離関係と細かな詳細をキャプチャする。
3つの大規模都市景観画像セグメンテーションデータセット(ISPRS Vaihingen データセット、ISPRS Potsdam データセット、UAVid データセット)で実施された実験は、BANetの有効性を実証している。
論文 参考訳（メタデータ） (2021-06-23T13:57:36Z) - Multi-Stage Progressive Image Restoration [167.6852235432918]
本稿では、これらの競合する目標を最適にバランスできる新しい相乗的設計を提案する。
本提案では, 劣化した入力の復元関数を段階的に学習する多段階アーキテクチャを提案する。
MPRNetという名前の密接な相互接続型マルチステージアーキテクチャは、10のデータセットに対して強力なパフォーマンス向上を実現している。
論文 参考訳（メタデータ） (2021-02-04T18:57:07Z) - SVAM: Saliency-guided Visual Attention Modeling by Autonomous Underwater
Robots [16.242924916178282]
本稿では,自律型水中ロボットの視覚的注意モデル(SVAM)に対する総合的なアプローチを提案する。
提案するSVAM-Netは,様々なスケールの深部視覚的特徴を統合し,自然水中画像に有効なSOD(Salient Object Detection)を実現する。
論文 参考訳（メタデータ） (2020-11-12T08:17:21Z) - Progressively Guided Alternate Refinement Network for RGB-D Salient
Object Detection [63.18846475183332]
我々は,RGB-Dの高次物体検出のための効率的かつコンパクトなディープネットワークを開発することを目指している。
そこで本研究では,改良のための改良ネットワークを提案する。
我々のモデルは、既存の最先端のアプローチよりも大きなマージンで優れています。
論文 参考訳（メタデータ） (2020-08-17T02:55:06Z)
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。