論文の概要: Estimation of River Water Surface Elevation Using UAV Photogrammetry and
Machine Learning
- arxiv url: http://arxiv.org/abs/2306.06118v1
- Date: Mon, 5 Jun 2023 08:20:46 GMT
- ステータス: 処理完了
- システム内更新日: 2023-06-18 12:53:13.231067
- Title: Estimation of River Water Surface Elevation Using UAV Photogrammetry and
Machine Learning
- Title（参考訳）: uavフォトグラメトリーと機械学習による河川水面上昇の推定
- Authors: Rados{\l}aw Szostak, Marcin Pietro\'n, Przemys{\l}aw Wachniew,
Miros{\l}aw Zimnoch, Pawe{\l} \'Cwi\k{a}ka{\l}a
- Abstract要約: 無人航空機(UAV)は、地形の直視とデジタル表面モデル(DSM)を作成することができる。
この方法でマッピングされた水域のDSMは、水面歪みを明らかにし、水面標高(WSE)の正確な測定に光グラムデータを使用するのを防ぐ。
本稿では, コンボリューショナル・ニューラル・ネットワーク(CNN)を, フォトグラムのDSMと正光のWSE推定器として用いる新しい手法を提案する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Unmanned aerial vehicle (UAV) photogrammetry allows for the creation of
orthophotos and digital surface models (DSMs) of a terrain. However, DSMs of
water bodies mapped with this technique reveal water surface distortions,
preventing the use of photogrammetric data for accurate determination of water
surface elevation (WSE). Firstly, we propose a new solution in which a
convolutional neural network (CNN) is used as a WSE estimator from
photogrammetric DSMs and orthophotos. Second, we improved the previously known
"water-edge" method by filtering the outliers using a forward-backwards
exponential weighted moving average. Further improvement in these two methods
was achieved by performing a linear regression of the WSE values against
chainage. The solutions estimate the uncertainty of the predictions. This is
the first approach in which DL was used for this task. A brand new machine
learning data set has been created. It was collected on a small lowland river
in winter and summer conditions. It consists of 322 samples, each corresponding
to a 10 by 10 meter area of the river channel and adjacent land. Each data set
sample contains orthophoto and DSM arrays as input, along with a single
ground-truth WSE value as output. The data set was supplemented with data
collected by other researchers that compared the state-of-the-art methods for
determining WSE using an UAV. The results of the DL solution were verified
using k-fold cross-validation method. This provided an in-depth examination of
the model's ability to perform on previously unseen data. The WSE RMSEs differ
for each k-fold cross-validation subset and range from 1.7 cm up to 17.2 cm.
The RMSE results of the improved "water-edge" method are at least six times
lower than the RMSE results achieved by the conventional "water-edge" method.
The results obtained by new methods are predominantly outperforming existing
ones.
- Abstract（参考訳）: 無人航空機(uav)写真測量は、地形の直交写真やデジタル表面モデル(dsms)の作成を可能にする。
しかし、この手法でマッピングされた水域のdsmは、水面の歪みを示し、水面高度(wse)を正確に測定するためのフォトグラムデータの使用を妨げている。
まず, 畳み込みニューラルネットワーク(CNN)をフォトグラムDSMと正光度からWSE推定器として用いる新しい手法を提案する。
第2に, 前向き指数重み付き移動平均を用いて外周をフィルタリングすることで, 既知の「水辺」法を改良した。
これら2つの手法のさらなる改善は、連鎖に対するWSE値の線形回帰を行うことによって達成された。
解は予測の不確実性を推定する。
これは、このタスクにDLを使用した最初のアプローチである。
新たな機械学習データセットが作成された。
冬と夏は小さな低地の川で採集された。
322のサンプルで構成され、それぞれが河川と隣接する土地の10×10メートルの領域に対応している。
各データセットサンプルは、入力として正光およびDSM配列を含み、出力として1つの接地トラックWSE値を含む。
データセットは、UAVを使ってWSEを決定する最先端の方法と比較する他の研究者によって収集されたデータで補われた。
dl溶液の結果はk-foldクロスバリデーション法により検証された。
これにより、モデルが以前見つからなかったデータで実行する能力が詳細に検討された。
WSE RMSEは各k-foldクロスバリデーションサブセットごとに異なり、1.7cmから17.2cmまでである。
改良された「水辺」法のrmse結果は、従来の「水辺」法で達成されたrmse結果の少なくとも6倍低い。
新しい手法によって得られた結果は、既存の手法を圧倒的に上回っている。
関連論文リスト
- A physics-guided neural network for flooding area detection using SAR imagery and local river gauge observations [0.0]
本研究では,洪水領域検出のための物理誘導型ニューラルネットワークを提案する。
提案手法は,インプットデータとして,センチネル1の時系列画像と,各画像に割り当てられた河川の水位を推定する。
提案手法の有効性を,デジタル地形モデルと光学衛星画像から得られた参照水マップと比較することにより,5つの研究領域で評価した。
論文 参考訳（メタデータ） (2024-10-11T14:13:06Z) - Deep Learning Based Speckle Filtering for Polarimetric SAR Images. Application to Sentinel-1 [51.404644401997736]
本稿では、畳み込みニューラルネットワークを用いて偏光SAR画像のスペックルを除去するための完全なフレームワークを提案する。
実験により,提案手法はスペックル低減と分解能保存の両方において例外的な結果をもたらすことが示された。
論文 参考訳（メタデータ） (2024-08-28T10:07:17Z) - Direct Zernike Coefficient Prediction from Point Spread Functions and Extended Images using Deep Learning [36.136619420474766]
既存の適応光学系は、収差を補正し、画像を改善するために反復探索アルゴリズムに依存している。
本研究は、光収差を特徴付ける畳み込みニューラルネットワークの応用を実証する。
論文 参考訳（メタデータ） (2024-04-23T17:03:53Z) - Exploring the Effectiveness of Dataset Synthesis: An application of
Apple Detection in Orchards [68.95806641664713]
本研究では,リンゴ樹の合成データセットを生成するための安定拡散2.1-baseの有用性について検討する。
我々は、現実世界のリンゴ検出データセットでリンゴを予測するために、YOLOv5mオブジェクト検出モデルを訓練する。
その結果、実世界の画像でトレーニングされたベースラインモデルと比較して、生成データでトレーニングされたモデルはわずかに性能が劣っていることがわかった。
論文 参考訳（メタデータ） (2023-06-20T09:46:01Z) - Transforming Observations of Ocean Temperature with a Deep Convolutional
Residual Regressive Neural Network [0.0]
海面温度(SST)は、地上の真理、リモートセンシング、ハイブリッドモデル手法を通じて測定できる、必須の気候変動である。
ここでは,20世紀後半から21世紀初頭にかけてのいくつかの技術進歩を応用して,SST監視の進展を祝福する。
本研究では, AMSR-E と MODIS を高分解能に融合させるため, 既存の水循環観測フレームワークである Flux to Flow (F2F) を開発した。
我々のニューラルネットワークアーキテクチャは、深い畳み込み残留回帰ニューラルネットワークに制約されている。
論文 参考訳（メタデータ） (2023-06-16T17:35:11Z) - DC4L: Distribution Shift Recovery via Data-Driven Control for Deep Learning Models [4.374569172244273]
学習したモデルに対する制御を用いて、オンライン配信のシフトから回復することを提案する。
提案手法では, 学習セットにシフトしたデータを近づけるために, セマンティック保存変換のシーケンスを適用した。
本稿では,ImageNet-Cベンチマークからのシフトの合成に一般化し,平均精度を最大9.81%向上することを示す。
論文 参考訳（メタデータ） (2023-02-20T22:06:26Z) - 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) - Scale-Equivalent Distillation for Semi-Supervised Object Detection [57.59525453301374]
近年のSemi-Supervised Object Detection (SS-OD) 法は主に自己学習に基づいており、教師モデルにより、ラベルなしデータを監視信号としてハードな擬似ラベルを生成する。
実験結果から,これらの手法が直面する課題を分析した。
本稿では,大規模オブジェクトサイズの分散とクラス不均衡に頑健な簡易かつ効果的なエンド・ツー・エンド知識蒸留フレームワークであるSED(Scale-Equivalent Distillation)を提案する。
論文 参考訳（メタデータ） (2022-03-23T07:33:37Z) - GradViT: Gradient Inversion of Vision Transformers [83.54779732309653]
我々は,視力変換器(ViT)の勾配に基づく逆攻撃に対する脆弱性を実証する。
自然に見える画像にランダムノイズを最適化するGradViTという手法を提案する。
元の(隠された)データに対する前例のない高い忠実さと近接性を観察する。
論文 参考訳（メタデータ） (2022-03-22T17:06:07Z) - Neuroevolution deep learning architecture search for estimation of river
surface elevation from photogrammetric Digital Surface Models [0.0]
機械学習を用いて、乱れたフォトグラムデータから水面上昇値(WSE)を抽出した。
データは、水文学、水文学、流体力学のモデルの検証と校正に使用することができ、水文学の予測をより正確にすることができる。
論文 参考訳（メタデータ） (2021-12-22T11:25:23Z) - Data Consistent CT Reconstruction from Insufficient Data with Learned
Prior Images [70.13735569016752]
偽陰性病変と偽陽性病変を呈示し,CT画像再構成における深層学習の堅牢性について検討した。
本稿では,圧縮センシングと深層学習の利点を組み合わせた画像品質向上のためのデータ一貫性再構築手法を提案する。
提案手法の有効性は,円錐ビームCTにおいて,トランキャットデータ,リミテッドアングルデータ,スパースビューデータで示される。
論文 参考訳（メタデータ） (2020-05-20T13:30:49Z)
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。