Fugu-MT 論文翻訳(概要): Feature Selection on Sentinel-2 Multi-spectral Imagery for Efficient Tree Cover Estimation

論文の概要: Feature Selection on Sentinel-2 Multi-spectral Imagery for Efficient Tree Cover Estimation

arxiv url: http://arxiv.org/abs/2306.06073v1
Date: Wed, 31 May 2023 20:27:10 GMT
ステータス: 処理完了
システム内更新日: 2023-06-18 13:00:03.598395
Title: Feature Selection on Sentinel-2 Multi-spectral Imagery for Efficient Tree Cover Estimation
Title（参考訳）: 効率的な木被覆推定のためのセンチネル2多スペクトル画像の特徴選択
Authors: Usman Nazir, Momin Uppal, Muhammad Tahir, Zubair Khalid
Abstract要約: 都市部における木被覆推定に適した特徴選択とマスキングが可能な多スペクトルランダム森林分類器を提案する。ラホール経営科学大学(LUMS)の特定地域(約82エーカー)における提案手法の性能評価を行った。
参考スコア（独自算出の注目度）: 20.62004691314091
License: http://creativecommons.org/licenses/by/4.0/
Abstract: This paper proposes a multi-spectral random forest classifier with suitable feature selection and masking for tree cover estimation in urban areas. The key feature of the proposed classifier is filtering out the built-up region using spectral indices followed by random forest classification on the remaining mask with carefully selected features. Using Sentinel-2 satellite imagery, we evaluate the performance of the proposed technique on a specified area (approximately 82 acres) of Lahore University of Management Sciences (LUMS) and demonstrate that our method outperforms a conventional random forest classifier as well as state-of-the-art methods such as European Space Agency (ESA) WorldCover 10m 2020 product as well as a DeepLabv3 deep learning architecture.
Abstract（参考訳）: 本稿では,都市部の樹冠推定に適した特徴選択とマスキングを備えた多スペクトルランダム林分類器を提案する。提案する分類器の重要な特徴は,スペクトル指標を用いて組み上げ領域をフィルタリングし,残りのマスク上のランダムフォレスト分類を注意深く選択した。 Sentinel-2衛星画像を用いて,Lahore University of Management Sciences (LUMS) の特定領域 (約82エーカー) における提案手法の性能評価を行い,本手法が欧州宇宙機関 (ESA) WorldCover 10m 2020 製品やDeepLabv3 ディープラーニングアーキテクチャなどの最先端技術と同様に,従来のランダム森林分類器よりも優れていることを示す。

関連論文リスト

Tree Species Classification using Machine Learning and 3D Tomographic SAR -- a case study in Northern Europe [0.0]
樹木種の分類は、自然保護、森林在庫、森林管理、絶滅危惧種の保護において重要な役割を担っている。本研究では,SLC(Single-look Complex)画像のスタックを利用した3次元トモグラフィーデータセットであるTtomoSenseを用いた。
論文参考訳（メタデータ） (2024-11-19T22:25:26Z)
Learning Deep Tree-based Retriever for Efficient Recommendation: Theory and Method [76.31185707649227]
効率的なレコメンデーションのために,Deep Tree-based Retriever (DTR)を提案する。 DTRは、トレーニングタスクを、同じレベルでツリーノード上のソフトマックスベースのマルチクラス分類としてフレーム化している。非リーフノードのラベル付けによって引き起こされる準最適性を緩和するため、損失関数の補正法を提案する。
論文参考訳（メタデータ） (2024-08-21T05:09:53Z)
OAM-TCD: A globally diverse dataset of high-resolution tree cover maps [8.336960607169175]
OpenMap (OAM) から得られた高解像度の空中画像において, ツリークラウンデライン化(TCD)のための新しいオープンアクセスデータセットを提案する。我々のデータセットであるOAM-TCDは、50722048x2048px画像を10cm/px解像度で、関連する280k個以上の木と56k個の木からなる。データセットを使用して、既存の最先端モデルと比較する参照インスタンスとセマンティックセグメンテーションモデルをトレーニングする。
論文参考訳（メタデータ） (2024-07-16T14:11:29Z)
Assessment of Sentinel-2 spatial and temporal coverage based on the scene classification layer [4.388282062290401]
本稿では,領域のクリーンな光学的カバレッジを評価する手法を提案する。手動しきい値とSCLの特定のラベルにより、提案手法は空間的および時間的カバレッジのパーセンテージを割り当てる。この評価は,MLモデルの予測結果と相関することを示す。
論文参考訳（メタデータ） (2024-06-06T06:22:06Z)
PosSAM: Panoptic Open-vocabulary Segment Anything [58.72494640363136]
PosSAMはオープン・ボキャブラリ・パノプティ・セグメンテーション・モデルであり、Segment Anything Model(SAM)の強みを、エンドツーエンドのフレームワークで視覚ネイティブのCLIPモデルと統合する。本稿では,マスクの質を適応的に向上し,各画像の推論中にオープン語彙分類の性能を高めるマスク対応選択組立アルゴリズムを提案する。
論文参考訳（メタデータ） (2024-03-14T17:55:03Z)
Hierarchical Forgery Classifier On Multi-modality Face Forgery Clues [61.37306431455152]
我々は,HFC-MFFD (hierarchical Forgery for Multi-modality Face Forgery Detection) を提案する。 HFC-MFFDは、マルチモーダルシナリオにおけるフォージェリー認証を強化するために、堅牢なパッチベースのハイブリッド表現を学習する。クラス不均衡問題を緩和し、さらに検出性能を高めるために、特定の階層的な顔偽造を提案する。
論文参考訳（メタデータ） (2022-12-30T10:54:29Z)
Unconstrained Face Recognition using ASURF and Cloud-Forest Classifier optimized with VLAD [0.0]
本稿では, 画像の翻訳, 回転, スケール, 色, 照明, アフィン歪みに制約される多クラス顔画像分類のための計算効率の高いアルゴリズムを提案する。提案手法は,顔認識システムにおける精度と時間を改善することを目的としている。
論文参考訳（メタデータ） (2021-04-02T01:26:26Z)
Semantic Change Detection with Asymmetric Siamese Networks [71.28665116793138]
2つの空中画像が与えられた場合、セマンティックチェンジ検出は、土地被覆のバリエーションを特定し、それらの変化タイプをピクセルワイド境界で識別することを目的としている。この問題は、正確な都市計画や天然資源管理など、多くの地球ビジョンに関連するタスクにおいて不可欠である。本研究では, 広く異なる構造を持つモジュールから得られた特徴対を用いて意味変化を同定し, 同定するための非対称システマネットワーク(ASN)を提案する。
論文参考訳（メタデータ） (2020-10-12T13:26:30Z)
Attention Model Enhanced Network for Classification of Breast Cancer Image [54.83246945407568]
AMENはマルチブランチ方式で、画素ワイドアテンションモデルとサブモジュールの分類で定式化される。微妙な詳細情報に焦点を合わせるため、サンプル画像は、前枝から生成された画素対応の注目マップによって強化される。 3つのベンチマークデータセットで行った実験は、様々なシナリオにおいて提案手法の優位性を実証している。
論文参考訳（メタデータ） (2020-10-07T08:44:21Z)
A Novel Spatial-Spectral Framework for the Classification of Hyperspectral Satellite Imagery [1.066048003460524]
本研究では,土地被覆分類データに含まれるスペクトル情報と空間情報の両方を考慮に入れた新しい枠組みを提案する。提案手法は,パヴィア大学とインド・パインズのデータセットでそれぞれ99.52%,98.31%の精度を達成し,従来の手法よりも優れている。
論文参考訳（メタデータ） (2020-07-22T16:12:08Z)
Two-View Fine-grained Classification of Plant Species [66.75915278733197]
本研究では,2視点の葉のイメージ表現に基づく新しい手法と,植物種の粒度認識のための階層的分類戦略を提案する。シームズ畳み込みニューラルネットワークに基づく深度測定は、多数のトレーニングサンプルへの依存を減らし、新しい植物種に拡張性を持たせるために用いられる。
論文参考訳（メタデータ） (2020-05-18T21:57:47Z)

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。