論文の概要: THRawS: A Novel Dataset for Thermal Hotspots Detection in Raw Sentinel-2
Data
- arxiv url: http://arxiv.org/abs/2305.11891v1
- Date: Fri, 12 May 2023 09:54:21 GMT
- ステータス: 処理完了
- システム内更新日: 2023-05-28 05:31:10.103814
- Title: THRawS: A Novel Dataset for Thermal Hotspots Detection in Raw Sentinel-2
Data
- Title(参考訳): THRawS:RAW Sentinel-2データにおける熱ホットスポット検出のための新しいデータセット
- Authors: Gabriele Meoni and Roberto Del Prete and Federico Serva and Alix De
Beussche and Olivier Colin and Nicolas Long\'ep\'e
- Abstract要約: THRawSは、温度の高いホットスポットを含むSentinel-2(S-2)の生データからなる最初のデータセットである。
堅牢なAIアーキテクチャの実現を促進するため、データセットは世界中のデータを集めている。
- 参考スコア(独自算出の注目度): 4.077787659104315
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Nowadays, most of the datasets leveraging space-borne Earth Observation (EO)
data are based on high-end levels products, which are ortho-rectified,
coregistered, calibrated, and further processed to mitigate the impact of noise
and distortions. Nevertheless, given the growing interest to apply Artificial
Intelligence (AI) onboard satellites for time-critical applications, such as
natural disaster response, providing raw satellite images could be useful to
foster the research on energy-efficient pre-processing algorithms and AI models
for onboard-satellite applications. In this framework, we present THRawS, the
first dataset composed of Sentinel-2 (S-2) raw data containing warm temperature
hotspots (wildfires and volcanic eruptions). To foster the realisation of
robust AI architectures, the dataset gathers data from all over the globe.
Furthermore, we designed a custom methodology to identify events in raw data
starting from the corresponding Level-1C (L1C) products. Indeed, given the
availability of state-of-the-art algorithms for thermal anomalies detection on
the L1C tiles, we detect such events on these latter and we then re-project
them on the corresponding raw images. Additionally, to deal with unprocessed
data, we devise a lightweight coarse coregisteration and georeferencing
strategy. The developed dataset is comprehensive of more than 100 samples
containing wildfires, volcanic eruptions, and event-free volcanic areas to
enable both warm-events detection and general classification applications.
Finally, we compare performances between the proposed coarse spatial
coregistration technique and the SuperGlue Deep Neural Network method to
highlight the different constraints in terms of timing and quality of spatial
registration to minimise the spatial displacement error for a specific scene.
- Abstract(参考訳): 今日では、地球観測(EO)データを利用したデータセットのほとんどは、整形、コアギスター化、校正、さらにノイズや歪みの影響を軽減するために処理されたハイエンドな製品に基づいている。
それでも、自然災害対応などの時間クリティカルな応用に人工知能(ai)を応用したいという関心が高まる中、生の衛星画像を提供することは、エネルギー効率の良い前処理アルゴリズムと衛星搭載アプリケーションのためのaiモデルの研究を促進するのに役立つだろう。
本研究では,気温の高いホットスポットを含むセンチネル2 (S-2) の生データからなる最初のデータセットである THRawS について述べる。
堅牢なAIアーキテクチャの実現を促進するため、データセットは世界中のデータを集めている。
さらに,対応するLevel-1C(L1C)製品から生データのイベントを識別する独自の手法を考案した。
実際、L1Cタイル上での熱異常検出のための最先端アルゴリズムが利用可能であることを踏まえ、後者でそのような事象を検出し、対応する生画像に再投影する。
さらに、未処理データを扱うために、軽量な粗いコア登録とジオ参照戦略を考案する。
開発されたデータセットは、山火事、火山噴火、およびイベントフリー火山地域を含む100以上のサンプルからなり、温暖地の検出と一般的な分類の両方を可能にする。
最後に,提案手法とスーパーグルー深層ニューラルネットワーク法との比較を行い,特定のシーンの空間変位誤差を最小化するために,空間登録のタイミングと品質の異なる制約を強調する。
関連論文リスト
- SIRST-5K: Exploring Massive Negatives Synthesis with Self-supervised
Learning for Robust Infrared Small Target Detection [53.19618419772467]
単一フレーム赤外線小ターゲット検出(SIRST)は、乱雑な背景から小さなターゲットを認識することを目的としている。
Transformerの開発に伴い、SIRSTモデルのスケールは常に増大している。
赤外線小ターゲットデータの多彩な多様性により,本アルゴリズムはモデル性能と収束速度を大幅に改善する。
論文 参考訳(メタデータ) (2024-03-08T16:14:54Z) - Observation-Guided Meteorological Field Downscaling at Station Scale: A
Benchmark and a New Method [66.80344502790231]
気象学的ダウンスケーリングを任意の散乱ステーションスケールに拡張し、新しいベンチマークとデータセットを確立する。
データ同化技術にインスパイアされた我々は、観測データをダウンスケーリングプロセスに統合し、マルチスケールの観測先行情報を提供する。
提案手法は、複数の曲面変数上で、他の特別に設計されたベースラインモデルよりも優れている。
論文 参考訳(メタデータ) (2024-01-22T14:02:56Z) - FLOGA: A machine learning ready dataset, a benchmark and a novel deep
learning model for burnt area mapping with Sentinel-2 [41.28284355136163]
森林火災は人間や動物の生活、生態系、社会経済の安定に重大な脅威をもたらす。
本研究では、FLOGA(Forest wiLdfire Observations for the Greek Area)と名付けた機械学習可能なデータセットを作成し、導入する。
このデータセットは、山火事の前後に取得された衛星画像からなるため、ユニークなものである。
我々はFLOGAを用いて、複数の機械学習アルゴリズムとディープラーニングアルゴリズムの徹底的な比較を行い、バーント領域の自動抽出を行う。
論文 参考訳(メタデータ) (2023-11-06T18:42:05Z) - Multimodal Dataset from Harsh Sub-Terranean Environment with Aerosol
Particles for Frontier Exploration [55.41644538483948]
本稿では, エアロゾル粒子を用いた過酷で非構造的な地下環境からのマルチモーダルデータセットを提案する。
ロボットオペレーティング・システム(ROS)フォーマットのすべてのオンボードセンサーから、同期された生データ計測を含んでいる。
本研究の焦点は、時間的・空間的なデータの多様性を捉えることだけでなく、取得したデータに厳しい条件が及ぼす影響を示すことである。
論文 参考訳(メタデータ) (2023-04-27T20:21:18Z) - Minimizing the Accumulated Trajectory Error to Improve Dataset
Distillation [151.70234052015948]
本稿では,フラットな軌道を求める最適化アルゴリズムを提案する。
合成データに基づいてトレーニングされた重みは、平坦な軌道への正規化を伴う累積誤差摂動に対して頑健であることを示す。
本手法はFTD (Flat Trajectory Distillation) と呼ばれ, 勾配整合法の性能を最大4.7%向上させる。
論文 参考訳(メタデータ) (2022-11-20T15:49:11Z) - A Multi-purpose Real Haze Benchmark with Quantifiable Haze Levels and
Ground Truth [61.90504318229845]
本稿では,ハズフリー画像とその場でのハズ密度測定を併用した,最初の実画像ベンチマークデータセットを提案する。
このデータセットはコントロールされた環境で生成され、プロの煙発生装置がシーン全体を覆っている。
このデータセットのサブセットは、CVPR UG2 2022 チャレンジの Haze Track における Object Detection に使用されている。
論文 参考訳(メタデータ) (2022-06-13T19:14:06Z) - Self-supervised Contrastive Learning for Volcanic Unrest Detection [4.152165675786138]
InSAR(Interferometric Synthetic Aperture Radar)データから測定した地盤変形は,火山活動の兆候と考えられる。
近年の研究では, 火山の変形信号の検出にSentinel-1 InSARデータと教師付き深層学習(DL)手法を用いることの可能性が示されている。
本稿では,ラベルのないInSARデータに隠された高品質な視覚表現を学習するために,自己教師付きコントラスト学習を用いることを提案する。
論文 参考訳(メタデータ) (2022-02-08T17:54:51Z) - CELESTIAL: Classification Enabled via Labelless Embeddings with
Self-supervised Telescope Image Analysis Learning [0.34998703934432673]
衛星画像の疎ラベル化を効果的に活用するための,自己教師型学習パイプラインCELESTIALを構築した。
このパイプラインは、まずラベルのないデータのイメージ表現を学習し、提供されたラベルの知識を微調整するアルゴリズムであるSimCLRをうまく適応させる。
その結果,CELESTIALはラベルの3分の1しか必要とせず,教師あり手法が実験データセット上で同じ精度を達成する必要があることがわかった。
論文 参考訳(メタデータ) (2022-01-20T04:59:05Z) - Meta-UDA: Unsupervised Domain Adaptive Thermal Object Detection using
Meta-Learning [64.92447072894055]
赤外線(IR)カメラは、照明条件や照明条件が悪ければ頑丈である。
既存のUDA手法を改善するためのアルゴリズムメタ学習フレームワークを提案する。
KAISTおよびDSIACデータセットのための最先端熱検出器を作成した。
論文 参考訳(メタデータ) (2021-10-07T02:28:18Z) - SpaceNet 6: Multi-Sensor All Weather Mapping Dataset [13.715388432549373]
オープンなMulti-Sensor All Weather Mapping (MSAW)データセットと課題について述べる。
MSAWは複数の重なり合う集合体を120 km2で覆っており、48,000以上のユニークな建物フットプリントラベルがアノテートされている。
我々は,SARデータを用いた足跡抽出のためのベースラインとベンチマークを提案し,光学データに基づいて事前訓練された最先端セグメンテーションモデルを発見し,SARで訓練した。
論文 参考訳(メタデータ) (2020-04-14T13:43:11Z)
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。