論文の概要: Sea Ice Extraction via Remote Sensed Imagery: Algorithms, Datasets, Applications and Challenges

• arxiv url: http://arxiv.org/abs/2306.00303v1
• Date: Thu, 1 Jun 2023 02:50:51 GMT
• ステータス: 処理完了
• システム内更新日: 2023-06-02 18:29:27.491041
• Title: Sea Ice Extraction via Remote Sensed Imagery: Algorithms, Datasets, Applications and Challenges
• Title（参考訳）: リモートセンシング画像による海氷抽出:アルゴリズム,データセット,応用と課題
• Authors: Anzhu Yu, Wenjun Huang, Qing Xu, Qun Sun, Wenyue Guo, Song Ji, Bowei Wen, Chunping Qiu
• Abstract要約: レビューは2016年から現在までの論文に焦点が当てられ、過去5年間のディープラーニングベースのアプローチに特に焦点が当てられている。 我々は,従来の画像分割手法,機械学習に基づく手法,ディープラーニングに基づく手法の3つのカテゴリに分類した。 これらの応用は、気候研究、ナビゲーション、地理情報システム(GIS)生産など4つの側面で紹介される。
• 参考スコア（独自算出の注目度）: 2.1059236061864883
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: The deep learning, which is a dominating technique in artificial intelligence, has completely changed the image understanding over the past decade. As a consequence, the sea ice extraction (SIE) problem has reached a new era. We present a comprehensive review of four important aspects of SIE, including algorithms, datasets, applications, and the future trends. Our review focuses on researches published from 2016 to the present, with a specific focus on deep learning-based approaches in the last five years. We divided all relegated algorithms into 3 categories, including classical image segmentation approach, machine learning-based approach and deep learning-based methods. We reviewed the accessible ice datasets including SAR-based datasets, the optical-based datasets and others. The applications are presented in 4 aspects including climate research, navigation, geographic information systems (GIS) production and others. It also provides insightful observations and inspiring future research directions.
• Abstract（参考訳）: ディープラーニングは人工知能において支配的な技術であり、過去10年間で画像の理解を完全に変えてきた。 その結果,海氷抽出問題(SIE)は新たな時代を迎えた。 我々は、アルゴリズム、データセット、アプリケーション、今後のトレンドを含む、SIEの4つの重要な側面について包括的なレビューを行う。 本稿では,2016年から現在までの5年間の深層学習に基づくアプローチに着目した研究について紹介する。 従来の画像分割手法,機械学習に基づく手法,深層学習に基づく手法の3つに分類した。 我々は、SARベースのデータセット、光学ベースのデータセットなど、アクセス可能な氷のデータセットをレビューした。 これらの応用は、気候研究、ナビゲーション、地理情報システム(GIS)生産など4つの側面で紹介される。 また、洞察に富んだ観察と将来の研究の方向性も提供する。

関連論文リスト

• Quanv4EO: Empowering Earth Observation by means of Quanvolutional Neural Networks [62.12107686529827]
  本稿は、大量のリモートセンシングデータの処理において、量子コンピューティング技術を活用することへの大きなシフトを取り上げる。 提案したQuanv4EOモデルでは,多次元EOデータを前処理するための準進化法が導入された。 主要な知見は,提案モデルが画像分類の精度を維持するだけでなく,EOのユースケースの約5%の精度向上を図っていることを示唆している。
  論文  参考訳（メタデータ） (2024-07-24T09:11:34Z)
• Deep Learning-based Depth Estimation Methods from Monocular Image and Videos: A Comprehensive Survey [31.414360704020254]
  単一のRGB画像とビデオから深度を推定することは、多くの分野で応用されているため、広く関心を集めている。 過去10年間に500以上のディープラーニングベースの論文が出版されている。 入力と出力のモダリティ、ネットワークアーキテクチャ、学習方法に基づいて、現在の作業を分類するための分類を提供する。
  論文  参考訳（メタデータ） (2024-06-28T06:25:21Z)
• Deep Learning-Based 3D Instance and Semantic Segmentation: A Review [0.0]
  3Dセグメンテーションは、かなり冗長性があり、サンプル密度が変動し、組織が不足しているため、ポイントクラウドデータでは困難である。 ディープラーニングは、一般的なAI手法として、2次元視覚領域のスペクトルにうまく使われてきた。 本研究では3Dインスタンスとセマンティックセグメンテーションに提示された多くの戦略について検討する。
  論文  参考訳（メタデータ） (2024-06-19T07:56:14Z)
• A Comprehensive Survey on Underwater Image Enhancement Based on Deep Learning [51.7818820745221]
  水中画像強調(UIE)はコンピュータビジョン研究において重要な課題である。 多数のUIEアルゴリズムが開発されているにもかかわらず、網羅的で体系的なレビューはいまだに欠落している。
  論文  参考訳（メタデータ） (2024-05-30T04:46:40Z)
• Guided Depth Map Super-resolution: A Survey [88.54731860957804]
  誘導深度マップ超解像(GDSR)は、高分解能(HR)深度マップを低分解能(LR)観測から2枚のHRカラー画像の助けを借りて再構成することを目的としている。 近年,特に強力な深層学習技術を用いて,斬新で効果的なアプローチが多数提案されている。 この調査は、GDSRの最近の進歩に関する包括的調査を提示する試みである。
  論文  参考訳（メタデータ） (2023-02-19T15:43:54Z)
• Deep Depth Completion: A Survey [26.09557446012222]
  我々は、読者が研究動向をよりよく把握し、現在の進歩を明確に理解するのに役立つ総合的な文献レビューを提供する。 ネットワークアーキテクチャ,損失関数,ベンチマークデータセット,学習戦略の設計面から,関連する研究について検討する。 室内および屋外のデータセットを含む,広く使用されている2つのベンチマークデータセットに対して,モデル性能の定量的比較を行った。
  論文  参考訳（メタデータ） (2022-05-11T08:24:00Z)
• Deep Learning Schema-based Event Extraction: Literature Review and Current Trends [60.29289298349322]
  ディープラーニングに基づくイベント抽出技術が研究ホットスポットとなっている。 本稿では,ディープラーニングモデルに焦点をあて,最先端のアプローチを見直し,そのギャップを埋める。
  論文  参考訳（メタデータ） (2021-07-05T16:32:45Z)
• Lighting the Darkness in the Deep Learning Era [118.35081853500411]
  低照度画像強調(LLIE)は、照明の弱い環境で撮影された画像の知覚や解釈性を改善することを目的としている。 この分野における最近の進歩は、ディープラーニングベースのソリューションが支配的です。 アルゴリズム分類から未解決の未解決問題まで,さまざまな側面をカバーする包括的な調査を行う。
  論文  参考訳（メタデータ） (2021-04-21T19:12:19Z)
• Deep Image Retrieval: A Survey [21.209884703192735]
  深層学習による画像検索に焦点をあて, 深層ネットワーク構造の種類に応じて, 最先端の手法を整理する。 本調査は,カテゴリベースCBIR分野のグローバルな展望を促進することを目的とした,近年の多種多様な手法について考察する。
  論文  参考訳（メタデータ） (2021-01-27T09:32:58Z)
• Opportunities and Challenges of Deep Learning Methods for Electrocardiogram Data: A Systematic Review [62.490310870300746]
  心電図(Electrocardiogram、ECG)は、医学および医療において最も一般的に用いられる診断ツールの1つである。 深層学習法は心電図信号を用いた予測医療タスクにおいて有望な結果を得た。 本稿では、モデリングとアプリケーションの観点から、ECGデータに対するディープラーニング手法の体系的なレビューを行う。
  論文  参考訳（メタデータ） (2019-12-28T02:44:29Z)

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。