論文の概要: The Canadian Cropland Dataset: A New Land Cover Dataset for Multitemporal Deep Learning Classification in Agriculture

• arxiv url: http://arxiv.org/abs/2306.00114v1
• Date: Wed, 31 May 2023 18:40:15 GMT
• ステータス: 処理完了
• システム内更新日: 2023-06-02 20:00:05.148147
• Title: The Canadian Cropland Dataset: A New Land Cover Dataset for Multitemporal Deep Learning Classification in Agriculture
• Title（参考訳）: カナディアン・クロプランド・データセット:農業における多時期的深層学習分類のための新しい土地被覆データセット
• Authors: Amanda A. Boatswain Jacques and Abdoulaye Banir\'e Diallo and Etienne Lord
• Abstract要約: カナディアン・クロップ・インベントリー(Canadian Crop Inventory)から回収されたラベルで豊かにされたカナダの農地の時間的パッチベースのパッチベース。 このデータセットは、4年間に収集された10種類の作物から得られた78,536個の高解像度画像(10 m/ピクセル、640 x 640 m)を手作業で検証し、キュレートした。 ベンチマークとして,単一画像(ResNet,DenseNet,EfficientNet)や画像列(LRCN,3D-CNN)を同一位置から予測可能なモデルとソースコードを提供する。
• 参考スコア（独自算出の注目度）: 0.8602553195689513
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Monitoring land cover using remote sensing is vital for studying environmental changes and ensuring global food security through crop yield forecasting. Specifically, multitemporal remote sensing imagery provides relevant information about the dynamics of a scene, which has proven to lead to better land cover classification results. Nevertheless, few studies have benefited from high spatial and temporal resolution data due to the difficulty of accessing reliable, fine-grained and high-quality annotated samples to support their hypotheses. Therefore, we introduce a temporal patch-based dataset of Canadian croplands, enriched with labels retrieved from the Canadian Annual Crop Inventory. The dataset contains 78,536 manually verified and curated high-resolution (10 m/pixel, 640 x 640 m) geo-referenced images from 10 crop classes collected over four crop production years (2017-2020) and five months (June-October). Each instance contains 12 spectral bands, an RGB image, and additional vegetation index bands. Individually, each category contains at least 4,800 images. Moreover, as a benchmark, we provide models and source code that allow a user to predict the crop class using a single image (ResNet, DenseNet, EfficientNet) or a sequence of images (LRCN, 3D-CNN) from the same location. In perspective, we expect this evolving dataset to propel the creation of robust agro-environmental models that can accelerate the comprehension of complex agricultural regions by providing accurate and continuous monitoring of land cover.
• Abstract（参考訳）: リモートセンシングによる土地被覆のモニタリングは, 環境変化を調査し, 収量予測による地球規模の食料安全確保に不可欠である。 具体的には、マルチテンポラルリモートセンシング画像は、シーンのダイナミックスに関する関連情報を提供し、よりよい土地被覆分類結果をもたらすことが証明されている。 それでも、信頼性、微粒化、高品質な注釈付きサンプルへのアクセスが難しいため、空間的および時間的解像度のデータから恩恵を受けている研究はほとんどない。 そこで本研究では,カナダ一年次作物目録から得られたラベルを豊かに含む,カナダ作物のテンポラリパッチベースデータセットを提案する。 このデータセットは、4年(2017-2020年)と5か月(6月～10月)で収集された10種類の作物から得られた78,536個の高解像度画像(10 m/ピクセル、640 x 640 m)を手作業で検証し、キュレートした。 各インスタンスには12のスペクトルバンド、RGBイメージ、追加の植生指標バンドが含まれている。 各カテゴリは、少なくとも4,800枚の画像を含む。 さらに、ベンチマークとして、同じ場所から単一の画像(resnet, densenet, efficientnet)または一連の画像(lrcn, 3d-cnn)を使用して、ユーザがクロップクラスを予測できるモデルとソースコードを提供する。 この進化したデータセットは、土地被覆の正確かつ連続的なモニタリングを提供することで、複雑な農業地域の理解を加速できる堅牢な農業環境モデルの作成を促進することを期待する。

関連論文リスト

• EcoCropsAID: Economic Crops Aerial Image Dataset for Land Use Classification [0.0]
  EcoCropsAIDデータセットは、2014年から2018年の間にGoogle Earthアプリケーションを使って撮影された5,400枚の空中画像の包括的なコレクションである。 このデータセットは、タイの5つの主要な経済作物、米、サトウキビ、キャッサバ、ゴム、ロングランに焦点を当てている。
  論文  参考訳（メタデータ） (2024-11-05T03:14:36Z)
• Evaluation of Deep Learning Semantic Segmentation for Land Cover Mapping on Multispectral, Hyperspectral and High Spatial Aerial Imagery [0.0]
  気候変動の台頭で、土地被覆マッピングは環境モニタリングにおいて緊急に必要となってきた。 本研究では,Unet,Linknet,FPN,PSPnetなどのセマンティックセグメンテーション手法を用いて植生や水などの分類を行った。 LinkNetモデルは、すべてのデータセットで0.92の精度でIoUで取得した。
  論文  参考訳（メタデータ） (2024-06-20T11:40:12Z)
• Country-Scale Cropland Mapping in Data-Scarce Settings Using Deep Learning: A Case Study of Nigeria [0.6827423171182154]
  私たちはグローバルな作物のデータセットと手書きのデータセットを組み合わせて、2020年にナイジェリアの新しい作物の地図を10m解像度で作成するための機械学習モデルをトレーニングしています。 本研究では,センチネル-1,2,ERA5気候データ,DEMデータなどのリモートセンシング源からの画素級時系列入力データに加えて,作物の存在を示すバイナリラベルも提供する。 We found that the existing WorldCover map are the best with a F1-score 0.825 and correct of 0.870 on the test set, then a single-headed LSTM model with our hand-labeled training。
  論文  参考訳（メタデータ） (2023-12-18T01:23:22Z)
• HarvestNet: A Dataset for Detecting Smallholder Farming Activity Using Harvest Piles and Remote Sensing [50.4506590177605]
  HarvestNetは、2020-2023年のエチオピアのティグレイとアムハラの農場の存在をマッピングするためのデータセットである。 本研究は,多くの小作システムの特徴ある収穫杭の検出に基づく新しい手法を提案する。 本研究は, 農作物のリモートセンシングが, 食品の安全地帯において, よりタイムリーかつ正確な農地評価に寄与することが示唆された。
  論文  参考訳（メタデータ） (2023-08-23T11:03:28Z)
• Spatial Implicit Neural Representations for Global-Scale Species Mapping [72.92028508757281]
  ある種が観察された場所の集合を考えると、その種がどこにいても存在しないかを予測するためのモデルを構築することが目的である。 従来の手法は、新たな大規模クラウドソースデータセットを活用するのに苦労している。 本研究では,47k種の地理的範囲を同時に推定するために,空間入射ニューラル表現(SINR)を用いる。
  論文  参考訳（メタデータ） (2023-06-05T03:36:01Z)
• Boosting Crop Classification by Hierarchically Fusing Satellite, Rotational, and Contextual Data [0.0]
  本研究では,複数年にわたる精度向上とロバスト性向上のためのモデルにマルチモーダル情報を融合する新しい手法を提案する。 このアプローチを評価するため、フランスとオランダで740万の農業パーセルの注釈付きデータセットを新たにリリースしました。
  論文  参考訳（メタデータ） (2023-05-19T21:42:53Z)
• Agave crop segmentation and maturity classification with deep learning data-centric strategies using very high-resolution satellite imagery [101.18253437732933]
  超高解像度衛星画像を用いたAgave tequilana Weber azul crop segmentation and mature classificationを提案する。 実世界の深層学習問題を,作物の選別という非常に具体的な文脈で解決する。 結果として得られた正確なモデルにより、大規模地域で生産予測を行うことができる。
  論文  参考訳（メタデータ） (2023-03-21T03:15:29Z)
• Jalisco's multiclass land cover analysis and classification using a novel lightweight convnet with real-world multispectral and relief data [51.715517570634994]
  本稿では、LC分類と解析を行うために、新しい軽量(89kパラメータのみ)畳み込みニューラルネットワーク(ConvNet)を提案する。 本研究では,実世界のオープンデータソースを3つ組み合わせて13のチャネルを得る。 組込み分析は、いくつかのクラスにおいて限られたパフォーマンスを期待し、最も類似したクラスをグループ化する機会を与えてくれます。
  論文  参考訳（メタデータ） (2022-01-26T14:58:51Z)
• CalCROP21: A Georeferenced multi-spectral dataset of Satellite Imagery and Crop Labels [20.951184753721503]
  アメリカ農務省(USDA)は毎年、アメリカ全土で30mの解像度で作物のラベルを含むCropland Data Layer(CDL)を発売している。 CalCROP21と呼ばれる新しいセマンティックセグメンテーションベンチマークデータセットを作成し、カリフォルニア州セントラルバレー地域の多種多様な作物を空間分解能10mで作成する。
  論文  参考訳（メタデータ） (2021-07-26T22:20:16Z)
• Potato Crop Stress Identification in Aerial Images using Deep Learning-based Object Detection [60.83360138070649]
  本稿では, 深層ニューラルネットワークを用いたジャガイモの空中画像解析手法を提案する。 主な目的は、植物レベルでの健康作物とストレス作物の自動空間認識を実証することである。 実験により、フィールド画像中の健康植物とストレス植物を識別し、平均Dice係数0.74を達成できることを示した。
  論文  参考訳（メタデータ） (2021-06-14T21:57:40Z)
• Semi-Supervised Semantic Segmentation in Earth Observation: The MiniFrance Suite, Dataset Analysis and Multi-task Network Study [82.02173199363571]
  我々は,地球観測における半教師付きセマンティックセマンティックセグメンテーションのための新しい大規模データセット,MiniFranceスイートを紹介した。 MiniFranceにはいくつかの前例のない特性があり、2000以上の超高解像度の空中画像を含み、200億枚以上のサンプル(ピクセル)を処理している。 外観の類似性やMiniFranceデータの徹底的な研究からデータ代表性分析のためのツールを提案し,半教師付き環境での学習や一般化に適していることを示す。
  論文  参考訳（メタデータ） (2020-10-15T15:36:58Z)

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。