論文の概要: Unsupervised ore/waste classification on open-cut mine faces using
close-range hyperspectral data
- arxiv url: http://arxiv.org/abs/2302.04936v1
- Date: Thu, 9 Feb 2023 21:03:03 GMT
- ステータス: 処理完了
- システム内更新日: 2023-02-13 17:15:57.306811
- Title: Unsupervised ore/waste classification on open-cut mine faces using
close-range hyperspectral data
- Title（参考訳）: 近距離ハイパースペクトルデータを用いた開削地表面の無監督鉱石分類
- Authors: Lloyd Windrim, Arman Melkumyan, Richard J. Murphy, Anna Chlingaryan,
Raymond Leung
- Abstract要約: 地雷面のスペクトルの教師なしマッピングのためのパイプラインを提案する。
提案したパイプラインは、鉱山の表面にミネラルをマッピングする統一システムにおいて、教師なしと自己教師付きのアルゴリズムを結合する。
マッピング機能の一貫性は、2つの異なる時間で取得されたデータを用いて実証される。
- 参考スコア（独自算出の注目度）: 1.8111829286068908
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: The remote mapping of minerals and discrimination of ore and waste on
surfaces are important tasks for geological applications such as those in
mining. Such tasks have become possible using ground-based, close-range
hyperspectral sensors which can remotely measure the reflectance properties of
the environment with high spatial and spectral resolution. However, autonomous
mapping of mineral spectra measured on an open-cut mine face remains a
challenging problem due to the subtleness of differences in spectral absorption
features between mineral and rock classes as well as variability in the
illumination of the scene. An additional layer of difficulty arises when there
is no annotated data available to train a supervised learning algorithm. A
pipeline for unsupervised mapping of spectra on a mine face is proposed which
draws from several recent advances in the hyperspectral machine learning
literature. The proposed pipeline brings together unsupervised and
self-supervised algorithms in a unified system to map minerals on a mine face
without the need for human-annotated training data. The pipeline is evaluated
with a hyperspectral image dataset of an open-cut mine face comprising mineral
ore martite and non-mineralised shale. The combined system is shown to produce
a superior map to its constituent algorithms, and the consistency of its
mapping capability is demonstrated using data acquired at two different times
of day.
- Abstract（参考訳）: 鉱物のリモートマッピングと表面の鉱石や廃棄物の識別は、鉱業などの地質学的応用にとって重要な課題である。
このようなタスクは、高空間分解能と高スペクトル分解能で環境の反射特性をリモートで測定できる地上型近距離ハイパースペクトルセンサによって実現されている。
しかし,鉱物層と岩層間のスペクトル吸収特性の微妙な差や,風景の照度の変化から,開削鉱山面で測定した鉱物スペクトルの自律的マッピングは依然として困難な課題である。
教師付き学習アルゴリズムをトレーニングするための注釈付きデータが存在しない場合には、さらなる困難が生じる。
近年のハイパースペクトル機械学習の文献から,鉱山面上のスペクトルの教師なしマッピングのためのパイプラインが提案されている。
提案するパイプラインでは,非教師なしおよび自己教師なしのアルゴリズムを統合システムで統合し,人間による訓練データを必要としない地雷面に鉱物をマッピングする。
鉱石マルタイトと非鉱化シェールからなる開削鉱山面のハイパースペクトル画像データセットを用いてパイプラインを評価する。
組み合わせたシステムは,その構成アルゴリズムに優れたマップを生成し,そのマッピング能力の一貫性を2つの異なる時間で取得したデータを用いて示す。
関連論文リスト
- Insights into Lunar Mineralogy: An Unsupervised Approach for Clustering of the Moon Mineral Mapper (M3) spectral data [0.6597195879147557]
この方法は、畳み込み変分オートエンコーダを用いて、スペクトルデータの寸法を小さくする。
k平均アルゴリズムは、潜在変数を5つの異なるグループにクラスタリングし、支配的なスペクトル特徴に対応する。
結果として得られたグローバルなスペクトルクラスタマップは、月上の5つの星団の分布を示している。
論文 参考訳（メタデータ） (2024-11-05T15:31:16Z) - Multiple Random Masking Autoencoder Ensembles for Robust Multimodal
Semi-supervised Learning [64.81450582542878]
コンピュータビジョンや機械学習には、現実の問題が増えている。
衛星データから地球観測を行う場合、一つの観測層を予測できることが重要である。
論文 参考訳（メタデータ） (2024-02-12T20:08:58Z) - Pluto's Surface Mapping using Unsupervised Learning from Near-Infrared
Observations of LEISA/Ralph [0.0]
我々は、NASAのニューホライズンズ宇宙船に搭載されたLEISA/ラルフ計器の近赤外線観測を用いて、教師なしの機械学習技術を用いて冥王星の表面をマッピングした。
各ユニットの平均I/Fスペクトル(N$_2$,CH$_4$,COおよび非揮発性H$_2$O)の位置と強度から、ユニットを表面組成、地質、地理的位置に接続するために分析した。
表面単位の分布は、ボラティルの異なる表面組成を持つ緯度パターンを示す
論文 参考訳（メタデータ） (2023-01-15T07:15:52Z) - MiNet: A Convolutional Neural Network for Identifying and Categorising
Minerals [0.0]
7種類の鉱物を識別・分類する単一ラベル画像分類モデルを開発した。
実世界のデータセットを用いて行った実験は、このモデルが90.75%の精度を達成したことを示している。
論文 参考訳（メタデータ） (2021-11-22T15:00:28Z) - Generalized Unsupervised Clustering of Hyperspectral Images of
Geological Targets in the Near Infrared [0.0]
スペクトルに類似した物質のクラスター化と分類は、しばしば、地球上の経済鉱物探査から火星での惑星探査まで、応用の第一歩である。
ここでは、専門的なスペクトル地質学者の入力と量的指標の両方から情報を得た特徴抽出とクラスタリングのための、完全に教師なしのワークフローを開発する。
このパイプラインは、類似の地質資料の高速かつ正確なクラスタリングマップを提供し、実験室の画像とリモートセンシング画像の両方の主要な鉱物クラスを一貫して識別し、分離する。
論文 参考訳（メタデータ） (2021-06-24T21:05:10Z) - Towards Unpaired Depth Enhancement and Super-Resolution in the Wild [121.96527719530305]
最先端のデータ駆動による深度マップの超解像法は、同じシーンの低解像度と高解像度の深度マップの登録ペアに依存している。
未経験データからの学習に基づく深度マップの強化について考察する。
論文 参考訳（メタデータ） (2021-05-25T16:19:16Z) - A review of machine learning in processing remote sensing data for
mineral exploration [0.41998444721319217]
本稿では,最近確立したリモートセンシングデータ処理のための機械学習手法の実装と適応について概説する。
異なる鉱床の探査への応用について研究している。
論文 参考訳（メタデータ） (2021-03-13T10:36:25Z) - Spatial-Phase Shallow Learning: Rethinking Face Forgery Detection in
Frequency Domain [88.7339322596758]
本論文では,空間画像と位相スペクトルを組み合わせ,顔の偽造のアップサンプリング成果をキャプチャするSPSL(Spatial-Phase Shallow Learning)法を提案する。
SPSLは、クロスデータセット評価における最先端性能とマルチクラス分類を実現し、単一データセット評価において同等の結果を得ることができる。
論文 参考訳（メタデータ） (2021-03-02T16:45:08Z) - Surface Warping Incorporating Machine Learning Assisted Domain
Likelihood Estimation: A New Paradigm in Mine Geology Modelling and
Automation [68.8204255655161]
新たに取得した破砕孔データによって課される地球化学的および空間的制約に基づいて, モデル表面を再構成するバイーシアンワープ法が提案されている。
本稿では,このワーピングフレームワークに機械学習を組み込むことにより,可能性の一般化を図る。
その基礎は、p(g|c) が p(y(c)|g と似た役割を果たすような地質領域の確率のベイズ計算によって構成される。
論文 参考訳（メタデータ） (2021-02-15T10:37:52Z) - AOT: Appearance Optimal Transport Based Identity Swapping for Forgery
Detection [76.7063732501752]
顔偽造検出のための外観の相違が大きい新しい識別スワップアルゴリズムを提案する。
外観のギャップは主に、照明と肌の色における大きな相違から生じる。
実画像パッチと偽画像パッチの混在とを識別するために識別器を導入する。
論文 参考訳（メタデータ） (2020-11-05T06:17:04Z) - Learning Spatial-Spectral Prior for Super-Resolution of Hyperspectral
Imagery [79.69449412334188]
本稿では,最先端の残差学習をベースとした単一グレー/RGB画像の超解像化手法について検討する。
本稿では,空間情報とハイパースペクトルデータのスペクトル間の相関をフル活用するための空間スペクトル先行ネットワーク(SSPN)を提案する。
実験結果から,SSPSR法により高分解能高分解能高分解能画像の詳細が得られた。
論文 参考訳（メタデータ） (2020-05-18T14:25:50Z)
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。