Fugu-MT 論文翻訳(概要): Oil Spill Segmentation using Deep Encoder-Decoder models

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

arxiv url: http://arxiv.org/abs/2305.01386v2
Date: Wed, 09 Apr 2025 11:06:22 GMT
ステータス: 翻訳完了
システム内更新日: 2025-04-10 13:04:44.361938
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オイルスパイル分離
Authors: Abhishek Ramanathapura Satyanarayana, Maruf A. Dhali,
Abstract要約: 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。 64.868%のIoU、改良されたIoUは61.549%の石油流出率を達成している。
参考スコア（独自算出の注目度）: 0.276240219662896
License:
Abstract: Crude oil is an integral component of the world economy and transportation sectors. With the growing demand for crude oil due to its widespread applications, accidental oil spills are unfortunate yet unavoidable. Even though oil spills are difficult to clean up, the first and foremost challenge is to detect them. In this research, the authors test the feasibility of deep encoder-decoder models that can be trained effectively to detect oil spills remotely. The work examines and compares the results from several segmentation models on high dimensional satellite Synthetic Aperture Radar (SAR) image data to pave the way for further in-depth research. Multiple combinations of models are used to run 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 an improved class IoU of 61.549% for the ``oil spill" class when compared with the previous 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）: 原油は世界経済と輸送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不運だが避けられない。石油流出の浄化は難しいが、第一に、最も大きな課題はそれらを検出することだ。本研究では,ディープエンコーダ・デコーダモデルの有効性を検証し,遠隔で石油流出を効果的に検出できることを示した。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調べ、比較し、さらなる詳細な研究の道を開く。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%、改善されたクラスIoUは61.549%、以前のベンチマークモデルでは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。