論文の概要: Sea Ice Segmentation From SAR Data by Convolutional Transformer Networks

• arxiv url: http://arxiv.org/abs/2306.07649v1
• Date: Tue, 13 Jun 2023 09:38:23 GMT
• ステータス: 処理完了
• システム内更新日: 2023-06-14 14:20:34.258022
• Title: Sea Ice Segmentation From SAR Data by Convolutional Transformer Networks
• Title（参考訳）: 畳み込み変圧器ネットワークによるSARデータからの海氷分離
• Authors: Nicolae-Catalin Ristea, Andrei Anghel, Mihai Datcu
• Abstract要約: 本稿では,ハイブリッド畳み込み変圧器(ConvTr)ネットワークを用いたSAR衛星画像に基づく海氷セグメンテーション手法を提案する。 提案手法は従来の畳み込みネットワークよりも優れ、純粋なトランスフォーマーモデルよりもはるかに効率的であることを示す。
• 参考スコア（独自算出の注目度）: 11.550166295664255
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Sea ice is a crucial component of the Earth's climate system and is highly sensitive to changes in temperature and atmospheric conditions. Accurate and timely measurement of sea ice parameters is important for understanding and predicting the impacts of climate change. Nevertheless, the amount of satellite data acquired over ice areas is huge, making the subjective measurements ineffective. Therefore, automated algorithms must be used in order to fully exploit the continuous data feeds coming from satellites. In this paper, we present a novel approach for sea ice segmentation based on SAR satellite imagery using hybrid convolutional transformer (ConvTr) networks. We show that our approach outperforms classical convolutional networks, while being considerably more efficient than pure transformer models. ConvTr obtained a mean intersection over union (mIoU) of 63.68% on the AI4Arctic data set, assuming an inference time of 120ms for a 400 x 400 squared km product.
• Abstract（参考訳）: 海氷は地球の気候システムの重要な構成要素であり、温度や大気の変化に非常に敏感である。 海氷パラメータの正確な測定は、気候変動の影響を理解し予測するために重要である。 それでも、氷地帯で得られた衛星データの量は膨大であり、主観的な測定は効果がない。 したがって、衛星からの連続データフィードを完全に活用するために、自動アルゴリズムを使用する必要がある。 本稿では,ハイブリッド畳み込み変圧器(ConvTr)ネットワークを用いたSAR衛星画像に基づく海氷セグメンテーションの新しい手法を提案する。 この手法は従来の畳み込みネットワークよりも優れており、純粋なトランスフォーマーモデルよりもかなり効率的である。 ConvTr は、AI4Arctic データセット上で平均結合点 (mIoU) を63.68%取得し、400×400平方kmの積に対して120ms と仮定した。

関連論文リスト

• IceDiff: High Resolution and High-Quality Sea Ice Forecasting with Generative Diffusion Prior [19.7258955384779]
  より微細なスケールで海氷濃度を予測するための2段階の深層学習フレームワークIceDiffを提案する。 アイスディフは6.25km×6.25kmの解像度で海氷の予測を初めて示した。
  論文  参考訳（メタデータ） (2024-10-10T08:53:41Z)
• Long-term drought prediction using deep neural networks based on geospatial weather data [75.38539438000072]
  農業計画や保険には1年前から予測される高品質の干ばつが不可欠だ。 私たちは、体系的なエンドツーエンドアプローチを採用するエンドツーエンドアプローチを導入することで、干ばつデータに取り組みます。 主な発見は、TransformerモデルであるEarthFormerが、正確な短期(最大6ヶ月)の予測を行う際の例外的なパフォーマンスである。
  論文  参考訳（メタデータ） (2023-09-12T13:28:06Z)
• MT-IceNet -- A Spatial and Multi-Temporal Deep Learning Model for Arctic Sea Ice Forecasting [0.31410342959104726]
  我々は,北極海氷濃度(SIC)予測のためのMT-IceNet - UNetに基づく空間・多時間深層学習モデルを提案する。 提案モデルでは,6ヶ月のリードタイムで予測誤差を最大60%低減し,画素ごとのSIC予測に有望な予測性能を提供する。
  論文  参考訳（メタデータ） (2023-08-08T18:18:31Z)
• 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)
• AMD-HookNet for Glacier Front Segmentation [17.60067480799222]
  氷河の開削前位置の変化に関する知識は 氷河の状態を評価する上で重要です 深層学習に基づく手法は、光学衛星画像やレーダー衛星画像から氷河の前部線を削る大きな可能性を示している。 本研究では,新しい氷河養生フロントセグメンテーションフレームワークであるAttention-Multi-hooking-Deep-supervision HookNetを提案する。
  論文  参考訳（メタデータ） (2023-02-06T12:39:40Z)
• Multi-scale Digital Twin: Developing a fast and physics-informed surrogate model for groundwater contamination with uncertain climate models [53.44486283038738]
  気候変動は地下水汚染の長期的な土壌管理問題を悪化させる。 U-Net強化フーリエニューラル汚染(PDENO)を用いた物理インフォームド機械学習サロゲートモデルを開発した。 並行して、気候データと組み合わされた畳み込みオートエンコーダを開発し、アメリカ合衆国全体の気候領域の類似性の次元を減少させる。
  論文  参考訳（メタデータ） (2022-11-20T06:46:35Z)
• 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)
• Learning-based estimation of in-situ wind speed from underwater acoustics [58.293528982012255]
  水中音響から風速時系列を検索するための深層学習手法を提案する。 我々のアプローチは、事前の物理知識と計算効率の両面から恩恵を受けるために、データ同化と学習ベースのフレームワークをブリッジする。
  論文  参考訳（メタデータ） (2022-08-18T15:27:40Z)
• Automatic Detection of Interplanetary Coronal Mass Ejections in Solar Wind In Situ Data [0.0]
  本稿では,ICMEの自動検出のためのパイプラインを提案する。 パイプラインは,平均絶対誤差(MAE)が約2時間56分,終了時間が3時間20分であるICMEの開始点を見つける。
  論文  参考訳（メタデータ） (2022-05-07T07:25:05Z)
• Vision in adverse weather: Augmentation using CycleGANs with various object detectors for robust perception in autonomous racing [70.16043883381677]
  自律レースでは、天気は突然変化し、認識が著しく低下し、非効率な操作が引き起こされる。 悪天候の検知を改善するために、ディープラーニングベースのモデルは通常、そのような状況下でキャプチャされた広範なデータセットを必要とする。 本稿では,5つの最先端検出器のうち4つの性能向上を図るために,自動レース(CycleGANを用いた)における合成悪条件データセットを用いた手法を提案する。
  論文  参考訳（メタデータ） (2022-01-10T10:02:40Z)
• Deep Learning Aided Routing for Space-Air-Ground Integrated Networks Relying on Real Satellite, Flight, and Shipping Data [79.96177511319713]
  現在の海上通信は主に単なる送信資源を持つ衛星に依存しており、現代の地上無線ネットワークよりも性能が劣っている。 大陸横断航空輸送の増加に伴い、商業旅客機に依存した航空アドホックネットワークという有望な概念は、空対地およびマルチホップ空対空リンクを介して衛星ベースの海上通信を強化する可能性がある。 低軌道衛星コンステレーション、旅客機、地上基地局、船舶がそれぞれ宇宙、航空、船舶として機能する、ユビキタスな海上通信を支援するための宇宙地上統合ネットワーク(SAGIN)を提案する。
  論文  参考訳（メタデータ） (2021-10-28T14:12:10Z)

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。