論文の概要: Detection of anomalously emitting ships through deviations from
predicted TROPOMI NO2 retrievals
- arxiv url: http://arxiv.org/abs/2302.12744v1
- Date: Fri, 24 Feb 2023 16:54:47 GMT
- ステータス: 処理完了
- システム内更新日: 2023-02-27 12:50:23.298571
- Title: Detection of anomalously emitting ships through deviations from
predicted TROPOMI NO2 retrievals
- Title（参考訳）: 予測されたトロポミno2検索からの逸脱による異常出船の検出
- Authors: Solomiia Kurchaba, Jasper van Vliet, Fons J. Verbeek, Cor J. Veenman
- Abstract要約: 2021年からは、北海とバルト海で活動する船舶に対して、より要求の高い$textNO_textx$の排出制限が導入された。
大規模船舶に対する現在の最先端のアプローチである$textNO_text2$ Estimationは、TROPOMI画像上の船舶プルームの教師あり機械学習に基づくセグメンテーションである。
本稿では,TROPOMI/S5P衛星データに基づく機械学習モデルを組み合わせて,非準拠船の自動選択を行う手法を提案する。
- 参考スコア（独自算出の注目度）: 0.08602553195689512
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Starting from 2021, more demanding $\text{NO}_\text{x}$ emission restrictions
were introduced for ships operating in the North and Baltic Sea waters. Since
all methods currently used for ship compliance monitoring are financially and
time demanding, it is important to prioritize the inspection of ships that have
high chances of being non-compliant. The current state-of-the-art approach for
a large-scale ship $\text{NO}_\text{2}$ estimation is a supervised machine
learning-based segmentation of ship plumes on TROPOMI images. However,
challenging data annotation and insufficiently complex ship emission proxy used
for the validation limit the applicability of the model for ship compliance
monitoring. In this study, we present a method for the automated selection of
potentially non-compliant ships using a combination of machine learning models
on TROPOMI/S5P satellite data. It is based on a proposed regression model
predicting the amount of $\text{NO}_\text{2}$ that is expected to be produced
by a ship with certain properties operating in the given atmospheric
conditions. The model does not require manual labeling and is validated with
TROPOMI data directly. The differences between the predicted and actual amount
of produced $\text{NO}_\text{2}$ are integrated over different observations of
the same ship in time and are used as a measure of the inspection worthiness of
a ship. To assure the robustness of the results, we compare the obtained
results with the results of the previously developed segmentation-based method.
Ships that are also highly deviating in accordance with the segmentation method
require further attention. If no other explanations can be found by checking
the TROPOMI data, the respective ships are advised to be the candidates for
inspection.
- Abstract（参考訳）: 2021年からは、北海およびバルト海の船舶に対してより要求の高い$\text{NO}_\text{x}$の排出制限が導入されている。
船舶コンプライアンス監視に現在使われているすべての手法は、財政的・時間的に要求されているため、非コンプライアンスの可能性が高い船舶の検査を優先することが重要である。
大規模船舶に対する現在の最先端のアプローチである$\text{NO}_\text{2}$ Estimationは、ROPOMI画像上の船のプルームの教師付き機械学習に基づくセグメンテーションである。
しかしながら、バリデーションに使用されるデータアノテーションと不十分な複雑な船舶排出プロキシは、船舶コンプライアンス監視モデルの適用性を制限する。
本研究では,TROPOMI/S5P衛星データに基づく機械学習モデルを組み合わせて,非準拠船の自動選択手法を提案する。
これは、与えられた大気条件で動作する特定の特性を持つ船によって生成されると期待される$\text{no}_\text{2}$の量を予測する回帰モデルに基づいている。
モデルは手動ラベリングを必要とせず、直接ROPOMIデータで検証される。
生成された$\text{no}_\text{2}$の予測値と実際の値の差は、同じ船の異なる観測結果と時間的に統合され、船の検査価値の尺度として使用される。
結果のロバスト性を保証するために,得られた結果をセグメント化に基づく結果と比較する。
セグメンテーション法に従って高度に逸脱している船には、さらなる注意が必要である。
TROPOMIデータをチェックすることで他の説明が見つからない場合、各船は検査の候補となるよう助言される。
関連論文リスト
- Context-Aware Generative Models for Prediction of Aircraft Ground Tracks [0.004807514276707785]
軌道予測は航空交通管制官の意思決定を支援する上で重要な役割を果たしている。
従来のTP手法は決定論的で物理学に基づく手法であり、パラメータは世界中で収集された航空機の監視データを用いて校正される。
本研究では、確率論的機械学習を用いて、パイロット行動とATCO意図の未知の効果をモデル化する横型TPの生成法を提案する。
論文 参考訳（メタデータ） (2023-09-26T14:20:09Z) - Semi-DETR: Semi-Supervised Object Detection with Detection Transformers [105.45018934087076]
半教師付き物体検出(SSOD)におけるDETRに基づくフレームワークの解析
本報告では,第1次変圧器を用いたエンド・ツー・エンド半教師対象検出器であるSemi-DETRについて述べる。
我々の手法は、最先端の手法をクリアマージンで上回る。
論文 参考訳（メタデータ） (2023-07-16T16:32:14Z) - Towards Improved Prediction of Ship Performance: A Comparative Analysis
on In-service Ship Monitoring Data for Modeling the Speed-Power Relation [0.0]
我々は、データ駆動機械学習アルゴリズムの精度を、船舶の性能を評価する従来の方法と比較する。
以上の結果から,ニューラルネットワークが基本原理に従って確立された半経験式よりも優れていたことが示唆された。
これらの結果から,データ駆動型アルゴリズムは実用アプリケーションにおける船体性能の予測に有効である可能性が示唆された。
論文 参考訳（メタデータ） (2022-12-26T09:39:33Z) - Supervised segmentation of NO2 plumes from individual ships using
TROPOMI satellite data [0.07874708385247353]
海運業界は、ヒトの健康と環境の両方に有害な物質であるtextNO_text2$という、最も強力な人為的な排出源の1つだ。
現在船の排ガスモニタリングに使われているすべての方法は費用がかかり、船に近づかなければならない。
有望なアプローチはリモートセンシングの応用である。
論文 参考訳（メタデータ） (2022-03-14T10:56:22Z) - Ship Performance Monitoring using Machine-learning [2.1485350418225244]
船舶の流体力学性能は, 海洋汚濁や防汚塗料システムの条件などにより, 寿命によって異なる。
現在の研究は機械学習(ML)手法を用いて、オンボードで記録されたサービス内データを用いて船の流体力学的性能を推定する。
論文 参考訳（メタデータ） (2021-10-07T16:18:16Z) - Anchor-free Oriented Proposal Generator for Object Detection [59.54125119453818]
オブジェクト指向物体検出はリモートセンシング画像解釈において実用的で困難な課題である。
今日では、指向性検出器は主に水平方向の箱を中間体として使用し、それらから指向性のある箱を導出している。
本稿では,ネットワークアーキテクチャから水平ボックス関連操作を放棄する,AOPG(Anchor-free Oriented Proposal Generator)を提案する。
論文 参考訳（メタデータ） (2021-10-05T10:45:51Z) - DAE : Discriminatory Auto-Encoder for multivariate time-series anomaly
detection in air transportation [68.8204255655161]
識別オートエンコーダ(DAE)と呼ばれる新しい異常検出モデルを提案する。
通常のLSTMベースのオートエンコーダのベースラインを使用するが、いくつかのデコーダがあり、それぞれ特定の飛行フェーズのデータを取得する。
その結果,DAEは精度と検出速度の両方で良好な結果が得られることがわかった。
論文 参考訳（メタデータ） (2021-09-08T14:07:55Z) - Efficient and Robust LiDAR-Based End-to-End Navigation [132.52661670308606]
我々は,LiDARをベースとした効率的なエンドツーエンドナビゲーションフレームワークを提案する。
本稿では,スパース畳み込みカーネル最適化とハードウェア対応モデル設計に基づくFast-LiDARNetを提案する。
次に,単一の前方通過のみから予測の不確かさを直接推定するハイブリッド・エビデンシャル・フュージョンを提案する。
論文 参考訳（メタデータ） (2021-05-20T17:52:37Z) - Arbitrary-Oriented Ship Detection through Center-Head Point Extraction [11.45718985586972]
リモートセンシング画像における任意方向の船舶検出を実現するために,センターヘッドポイント抽出ベース検出器(CHPDet)を提案する。
私たちのCHPDetは、方向を決定するために使用されるヘッドポイントを持つ回転箱として任意の向きの船を定式化します。
我々のCHPDetは最先端の性能を達成し、弓と船尾をよく区別できる。
論文 参考訳（メタデータ） (2021-01-27T03:58:52Z) - Probing Model Signal-Awareness via Prediction-Preserving Input
Minimization [67.62847721118142]
モデルが正しい脆弱性信号を捕捉して予測する能力を評価する。
SAR(Signal-Aware Recall)と呼ばれる新しい指標を用いて,モデルの信号認識を計測する。
その結果,90年代以降のリコールから60年代以降のリコールは,新たな指標で大幅に減少した。
論文 参考訳（メタデータ） (2020-11-25T20:05:23Z) - Real-Time target detection in maritime scenarios based on YOLOv3 model [65.35132992156942]
ウェブスクレイピングによって収集された56k以上の海洋船舶の画像からなる、新しい船舶データセットが提案されている。
Keras APIをベースとしたYOLOv3シングルステージ検出器がこのデータセット上に構築されている。
論文 参考訳（メタデータ） (2020-02-10T15:25:19Z)
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。