論文の概要: Analysing high resolution digital Mars images using machine learning
- arxiv url: http://arxiv.org/abs/2305.19958v1
- Date: Wed, 31 May 2023 15:44:55 GMT
- ステータス: 処理完了
- システム内更新日: 2023-06-01 15:31:38.122006
- Title: Analysing high resolution digital Mars images using machine learning
- Title（参考訳）: 機械学習による高解像度火星画像の解析
- Authors: M. Gergacz, A. Kereszturi
- Abstract要約: 火星での季節的な極地氷冠の後退の後、小さな水氷のパッチは日陰の場所に残される可能性がある。
このような氷パッチの空間的・時間的発生を見るためには、光学画像の検索と検査が必要である。
畳み込みニューラルネットワーク (CNN) を用いて、緯度 -40deg と -60deg の間の緯度帯に、潜在的な氷のパッチを持つさらなる画像を見つける。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: The search for ephemeral liquid water on Mars is an ongoing activity. After
the recession of the seasonal polar ice cap on Mars, small water ice patches
may be left behind in shady places due to the low thermal conductivity of the
Martian surface and atmosphere. During late spring and early summer, these
patches may be exposed to direct sunlight and warm up rapidly enough for the
liquid phase to emerge. To see the spatial and temporal occurrence of such ice
patches, optical images should be searched for and checked. Previously a manual
image analysis was conducted on 110 images from the southern hemisphere,
captured by the High Resolution Imaging Science Experiment (HiRISE) camera
onboard the Mars Reconnaissance Orbiter space mission. Out of these, 37 images
were identified with smaller ice patches, which were distinguishable by their
brightness, colour and strong connection to local topographic shading. In this
study, a convolutional neural network (CNN) is applied to find further images
with potential water ice patches in the latitude band between -40{\deg} and
-60{\deg}, where the seasonal retreat of the polar ice cap happens. Previously
analysed HiRISE images are used to train the model, each was split into
hundreds of pieces, expanding the training dataset to 6240 images. A test run
conducted on 38 new HiRISE images indicates that the program can generally
recognise small bright patches, however further training might be needed for
more precise predictions.Using a CNN model may make it realistic to analyse all
available surface images, aiding us in selecting areas for further
investigation.
- Abstract（参考訳）: 火星のエフェメラル液体の水の探索は進行中の活動である。
火星での季節的な極氷冠の後退の後、火星の表面と大気の熱伝導率が低いため、小さな水面の氷片は日陰の場所に残される可能性がある。
春の終わりから初夏にかけて、これらのパッチは直射日光に晒され、液相が現れるのに十分な速さで温まる。
このような氷パッチの空間的および時間的発生を見るためには、光学的画像の検索とチェックが必要である。
以前は、マーズ・リコネッサンス・オービター(Mars Reconnaissance Orbiter)の高解像度撮像科学実験(High Resolution Imaging Science Experiment:HIRISE)カメラで捉えた、南半球からの110枚の画像で手動による画像解析が行われた。
このうち37枚の画像が小さな氷のパッチで識別され、その明るさ、色、局所的な地形シェーディングとの強いつながりで識別できた。
本研究では,CNNを用いて,緯度帯の-40{\deg} から-60{\deg} の間において,極性氷冠の季節的後退が起こる可能性のある水面パッチによるさらなる画像を求める。
それまで分析されたHiRISEイメージを使用してモデルをトレーニングし、それぞれを数百のピースに分割し、トレーニングデータセットを6240イメージに拡張した。
38枚の新しいHiRISE画像に対して行われたテストでは、プログラムは一般的に小さな明るいパッチを認識できるが、より正確な予測のためにさらなるトレーニングが必要になる可能性がある。
関連論文リスト
- Detecting and Refining HiRISE Image Patches Obscured by Atmospheric Dust [0.0]
火星は、このデータ収集プロセスを妨げている地域や地域の塵嵐が頻発している。
これらの画像を手動で取り除くには、大量の人力が必要である。
私はこれらのほこりっぽいパッチを分類して保存するパイプラインを設計します。
論文 参考訳（メタデータ） (2024-05-08T00:03:23Z) - Surveying the ice condensation period at southern polar Mars using a CNN [0.0]
本研究は, 畳み込みニューラルネットワーク(CNN)を用いて, 表面における氷凝縮周期を自動解析するものである。
小さな氷のパッチを認識するために訓練されたCNNは、検索を自動化し、大規模なデータセットを分析することができる。
このモデルは、-40degと-60degの間の所定の期間からランダムに選択された171の新しいHiRISE画像で実行され、73155個の小さな画像チャンクを生成した。
論文 参考訳（メタデータ） (2023-12-23T13:43:24Z) - Mapping "Brain Terrain" Regions on Mars using Deep Learning [0.0]
臨界領域のセットは、火星の斜視の周期的な変化に反応して、比較的最近に氷が噴出するサイクルを見た可能性がある。
本研究では、畳み込みニューラルネットワークを用いて「ブラインコーラル」地形を含む表面領域を検出する。
火星探査機マーズ・リコネッサンス・オービター(Mars Reconnaissance Orbiter)の大型画像(100-1000メガピクセル)を使って、これらの地形を1ピクセルあたり数十センチ近い解像度で探索する。
論文 参考訳（メタデータ） (2023-11-21T02:24:52Z) - Data-Driven Short-Term Daily Operational Sea Ice Regional Forecasting [52.77986479871782]
地球温暖化は北極を海洋活動に利用し、信頼性の高い海氷予測の需要を生み出した。
本研究では,海氷予測のためのU-Netモデルの性能を,今後10日間にわたって検証した。
この深層学習モデルは、気象データの追加と複数の地域での訓練により、単純なベースラインをかなりの差で上回り、その品質を向上させることができることを示す。
論文 参考訳（メタデータ） (2022-10-17T09:14:35Z) - 6D Camera Relocalization in Visually Ambiguous Extreme Environments [79.68352435957266]
本研究では,深海や地球外地形などの極端な環境下で得られた画像の列から,カメラのポーズを確実に推定する手法を提案する。
本手法は,室内ベンチマーク (7-Scenes データセット) における最先端手法と同等の性能を20%のトレーニングデータで達成する。
論文 参考訳（メタデータ） (2022-07-13T16:40:02Z) - Probabilistic modeling of lake surface water temperature using a
Bayesian spatio-temporal graph convolutional neural network [55.41644538483948]
本研究では,湖沼の温度をある程度の深さでシミュレーションし,気象学的特徴と合わせて評価することを提案する。
本研究は,提案モデルが湖沼表面全体に均質に優れた性能をもたらすことを示す。
結果は、最先端のベイズ深層学習法と比較される。
論文 参考訳（メタデータ） (2021-09-27T09:19:53Z) - Generating Physically-Consistent Satellite Imagery for Climate Visualizations [53.61991820941501]
我々は,将来的な洪水や森林再生イベントの合成衛星画像を作成するために,生成的敵ネットワークを訓練する。
純粋なディープラーニングベースのモデルでは、洪水の可視化を生成することができるが、洪水の影響を受けない場所では幻覚的な洪水が発生する。
我々は,地球観測におけるセグメンテーションガイドによる画像と画像の変換のためのコードとデータセットを公開している。
論文 参考訳（メタデータ） (2021-04-10T15:00:15Z) - Recent Ice Trends in Swiss Mountain Lakes: 20-year Analysis of MODIS
Imagery [19.72060218456938]
湖氷の枯渇は、海面上昇や氷河後退のように、気候変動の指標として役立ちます。
いくつかのLIP(Lake Ice Phenological)イベントは、地域や地球の気候変動を理解するためのセンチネルとして機能します。
スイスのオーバーレンガディン地域では, 凍結, 分裂, 時間的凍結といったLIP現象の観測に重点を置いている。
論文 参考訳（メタデータ） (2021-03-23T10:25:02Z) - Machine Learning for Glacier Monitoring in the Hindu Kush Himalaya [54.12023102155757]
氷河マッピングは、hkh領域における生態モニタリングの鍵となる。
気候変動は、氷河生態系の健康に依存している個人にリスクを与える。
本稿では,氷河に着目した環境モニタリングを支援する機械学習手法を提案する。
論文 参考訳（メタデータ） (2020-12-09T12:48:06Z) - Ice Monitoring in Swiss Lakes from Optical Satellites and Webcams using
Machine Learning [16.71718177904522]
多時間衛星画像 公開されているウェブカメラ画像は、湖氷を監視するための有効なデータソースの一つである。
本研究では,スイスのアルプス湖における氷の量を測定するツールとして,機械学習による画像解析について検討する。
我々は,湖面上の各ピクセルを分類し,空間的に明示的な氷被覆図を得るため,湖氷モニタリングを画素単位のセマンティックセマンティックセグメンテーション問題としてモデル化する。
論文 参考訳（メタデータ） (2020-10-27T14:02:00Z) - NH-HAZE: An Image Dehazing Benchmark with Non-Homogeneous Hazy and
Haze-Free Images [95.00583228823446]
NH-HAZEは非同質な現実的データセットであり、実写のヘイズフリー画像とそれに対応するヘイズフリー画像のペアである。
本研究は、NH-HAZEデータセットを用いて評価した、最先端の単一画像デハージング手法の客観的評価を示す。
論文 参考訳（メタデータ） (2020-05-07T15:50:37Z)
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。