論文の概要: Oil Spill Segmentation using Deep Encoder-Decoder models

• arxiv url: http://arxiv.org/abs/2305.01386v1
• Date: Tue, 2 May 2023 13:02:08 GMT
• ステータス: 処理完了
• システム内更新日: 2023-05-03 14:26:08.185285
• Title: Oil Spill Segmentation using Deep Encoder-Decoder models
• Title（参考訳）: ディープエンコーダ・デコーダモデルを用いた原油流出分節化
• Authors: Abhishek Ramanathapura Satyanarayana, Maruf A. Dhali
• Abstract要約: この研究は、高次元衛星合成開口レーダ(SAR)画像データにおけるいくつかのセグメンテーションモデルの結果を比較した。 最高のパフォーマンスモデルはResNet-50エンコーダとDeepLabV3+デコーダである。 IoUは64.868%、IoUは61.549%である。
• 参考スコア（独自算出の注目度）: 0.6091702876917281
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Crude oil is an integral component of the modern world economy. With the growing demand for crude oil due to its widespread applications, accidental oil spills are unavoidable. Even though oil spills are in and themselves difficult to clean up, the first and foremost challenge is to detect spills. In this research, the authors test the feasibility of deep encoder-decoder models that can be trained effectively to detect oil spills. The work compares the results from several segmentation models on high dimensional satellite Synthetic Aperture Radar (SAR) image data. Multiple combinations of models are used in running the experiments. The best-performing model is the one with the ResNet-50 encoder and DeepLabV3+ decoder. It achieves a mean Intersection over Union (IoU) of 64.868% and a class IoU of 61.549% for the "oil spill" class when compared with the current benchmark model, which achieved a mean IoU of 65.05% and a class IoU of 53.38% for the "oil spill" class.
• Abstract（参考訳）: 原油は現代の世界経済の不可欠な要素である。 幅広い用途で原油の需要が高まっているため、事故による原油流出は避けられない。 原油流出は発生し、浄化が困難であるにもかかわらず、第一に最も大きな課題は流出を検出することである。 本研究では,油流出の検出に効果的に訓練できるディープエンコーダデコーダモデルの実現可能性を検証する。 この研究は、高次元衛星合成開口レーダ(sar)画像データにおける複数のセグメンテーションモデルの結果を比較している。 実験の実行には複数のモデルの組み合わせが使用される。 最高のパフォーマンスモデルはResNet-50エンコーダとDeepLabV3+デコーダである。 平均IoUは64.868%、クラスIoUは61.549%、平均IoUは65.05%、クラスIoUは53.38%である。

関連論文リスト

• Hybrid-Segmentor: A Hybrid Approach to Automated Fine-Grained Crack Segmentation in Civil Infrastructure [52.2025114590481]
  エンコーダ・デコーダをベースとした手法であるHybrid-Segmentorを導入する。 これにより、モデルは、様々な種類の形状、表面、き裂の大きさを区別する一般化能力を向上させることができる。 提案モデルは,5つの測定基準(精度0.971,精度0.804,リコール0.744,F1スコア0.770,IoUスコア0.630)で既存ベンチマークモデルより優れ,最先端の状態を達成している。
  論文  参考訳（メタデータ） (2024-09-04T16:47:16Z)
• Shallow Cross-Encoders for Low-Latency Retrieval [69.06104373460597]
  BERTやT5のような大きなトランスフォーマーモデルに基づくクロスエンコーダは計算コストが高く、非常に小さな遅延ウィンドウ内で少数の文書しかスコアできない。 より弱い浅層変圧器モデル(すなわち、層数が限られている変圧器)は、これらの実用的な低レイテンシ設定に制約された場合、実際にフルスケールモデルよりも優れた性能を示すことを示す。
  論文  参考訳（メタデータ） (2024-03-29T15:07:21Z)
• Oil Spill Drone: A Dataset of Drone-Captured, Segmented RGB Images for Oil Spill Detection in Port Environments [0.0]
  海洋環境では、石油流出検知のためにRGB画像を使用するデータセットが不足しています。 本稿では,デスクトップおよびエッジコンピューティングプラットフォーム上でのニューラルネットワークを用いた,ユニークな注釈付きデータセットを提案する。 ドローンでキャプチャされたデータセットは、石油、水などに分類される1268のイメージと、Unetモデルアーキテクチャを用いてトレーニングされた畳み込みニューラルネットワークで構成され、石油検出のためのF1スコアが0.71である。
  論文  参考訳（メタデータ） (2024-02-28T09:47:35Z)
• Spatial-Assistant Encoder-Decoder Network for Real Time Semantic Segmentation [2.462706420556381]
  本稿では,2つのアーキテクチャを融合させるために,SANet(Spatial-Assistant-Decoder Network)を提案する。 全体的なアーキテクチャでは、エンコーダ-デコーダの設計を維持しながら、エンコーダの中央部分に特徴マップを保持する。 提案手法の有効性を確認するため,我々のSANetモデルは,リアルタイムCamVidおよび都市景観データセット上での競合的な結果を得た。
  論文  参考訳（メタデータ） (2023-09-19T10:59:42Z)
• Self-Supervised Masked Digital Elevation Models Encoding for Low-Resource Downstream Tasks [0.6374763930914523]
  GeoAIは、何十年にもわたって収集されてきたデータのために、自己管理の方法論を活用することができる。 提案されたアーキテクチャは、ImageNetで事前トレーニングされたMasked Autoencoderである。
  論文  参考訳（メタデータ） (2023-09-06T21:20:10Z)
• End-to-End Deep Transfer Learning for Calibration-free Motor Imagery Brain Computer Interfaces [0.0]
  Motor Imagery Brain-Computer Interfaces (MI-BCIs) の主な課題は、その分類精度の低さと、被検体固有の校正に必要な大量のデータである。 本研究は, キャリブレーション非依存型BCIの開発にディープトランスファー学習を用いた。 3つのディープラーニングモデル(MIN2Net、EEGNet、DeepConvNet)をトレーニングし、公開データセットを使用して比較した。
  論文  参考訳（メタデータ） (2023-07-24T14:24:17Z)
• Self-Distilled Masked Auto-Encoders are Efficient Video Anomaly Detectors [117.61449210940955]
  ビデオフレームレベルで適用された軽量マスク付きオートエンコーダ(AE)に基づく効率的な異常事象検出モデルを提案する。 動き勾配に基づく重みトークンへのアプローチを導入し、静的背景シーンから前景オブジェクトへ焦点を移す。 トレーニングビデオの強化のために合成異常事象を生成し,マスク付きAEモデルを用いてオリジナルのフレームを共同で再構築する。
  論文  参考訳（メタデータ） (2023-06-21T06:18:05Z)
• It Takes Two: Masked Appearance-Motion Modeling for Self-supervised Video Transformer Pre-training [76.69480467101143]
  自己監督型ビデオトランスフォーマーの事前トレーニングは、最近マスク・アンド・予測パイプラインの恩恵を受けている。 本稿では,映像中の動きの手がかりを余分な予測対象として明示的に調査し,マスケッド・出現運動モデリングフレームワークを提案する。 一般的なビデオ表現を学習し、Kinects-400で82.3%、Something V2で71.3%、UCF101で91.5%、HMDB51で62.5%を達成する。
  論文  参考訳（メタデータ） (2022-10-11T08:05:18Z)
• EdgeNeXt: Efficiently Amalgamated CNN-Transformer Architecture for Mobile Vision Applications [68.35683849098105]
  入力テンソルを複数のチャネルグループに分割するSDTAエンコーダを導入する。 1.3Mパラメータを持つEdgeNeXtモデルでは、ImageNet-1Kで71.2%のTop-1精度を実現している。 パラメータ5.6MのEdgeNeXtモデルでは、ImageNet-1Kで79.4%のTop-1精度を実現しています。
  論文  参考訳（メタデータ） (2022-06-21T17:59:56Z)
• ALF: Autoencoder-based Low-rank Filter-sharing for Efficient Convolutional Neural Networks [63.91384986073851]
  オートエンコーダを用いた低ランクフィルタ共有技術(ALF)を提案する。 ALFは、ネットワークパラメータの70%、オペレーションの61%、実行時間の41%を削減し、精度の低下を最小限にしている。
  論文  参考訳（メタデータ） (2020-07-27T09:01:22Z)

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。