論文の概要: Spectral Analysis of Marine Debris in Simulated and Observed
Sentinel-2/MSI Images using Unsupervised Classification
- arxiv url: http://arxiv.org/abs/2306.15008v1
- Date: Mon, 26 Jun 2023 18:46:47 GMT
- ステータス: 処理完了
- システム内更新日: 2023-06-28 15:37:57.528443
- Title: Spectral Analysis of Marine Debris in Simulated and Observed
Sentinel-2/MSI Images using Unsupervised Classification
- Title（参考訳）: 教師なし分類を用いたセンチネル-2/msiシミュレーション画像における海洋ゴミのスペクトル解析
- Authors: Bianca Matos de Barros, Douglas Galimberti Barbosa and Cristiano Lima
Hackmann
- Abstract要約: 本研究では,Sentinel-2ミッションのMultispectral Instrument(MSI)と機械学習アルゴリズムを組み合わせたRTMシミュレーションデータを用いた。
その結果, 汚染物質のスペクトル挙動は, ポリマーの種類や画素被覆率などの影響を受けていることがわかった。
これらの知見は、海洋プラスチック汚染を検知するためのリモートセンシングアプリケーションにおける将来の研究を導くことができる。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Marine litter poses significant threats to marine and coastal environments,
with its impacts ever-growing. Remote sensing provides an advantageous
supplement to traditional mitigation techniques, such as local cleaning
operations and trawl net surveys, due to its capabilities for extensive
coverage and frequent observation. In this study, we used Radiative Transfer
Model (RTM) simulated data and data from the Multispectral Instrument (MSI) of
the Sentinel-2 mission in combination with machine learning algorithms. Our aim
was to study the spectral behavior of marine plastic pollution and evaluate the
applicability of RTMs within this research area. The results from the
exploratory analysis and unsupervised classification using the KMeans algorithm
indicate that the spectral behavior of pollutants is influenced by factors such
as the type of polymer and pixel coverage percentage. The findings also reveal
spectral characteristics and trends of association and differentiation among
elements. The applied methodology is strongly dependent on the data, and if
reapplied in new, more diverse, and detailed datasets, it can potentially
generate even better results. These insights can guide future research in
remote sensing applications for detecting marine plastic pollution.
- Abstract（参考訳）: 海洋性ごみは海洋環境や沿岸環境に大きな脅威をもたらし、その影響は増え続けている。
リモートセンシングは、広範囲のカバレッジと頻繁な観察が可能なため、局所的な清掃作業やトロール網調査のような従来の緩和技術に有利な補助を提供する。
本研究では,Sentinel-2ミッションのMultispectral Instrument(MSI)のデータとデータを,機械学習アルゴリズムと組み合わせてRTM(Radiative Transfer Model)を用いた。
本研究の目的は, 海洋プラスチック汚染のスペクトル挙動を調査し, RTMの適用性を評価することである。
kmeansアルゴリズムを用いた探索分析と教師なし分類の結果, 汚染物質のスペクトル挙動は, ポリマーの種類や画素被覆率などの要因の影響を受けていることがわかった。
また,元素間の相関と分化のスペクトル特性と傾向も明らかにした。
適用された方法論はデータに大きく依存しており、新しい、より多様で詳細なデータセットに再適用すれば、よりよい結果を生み出す可能性がある。
これらの知見は、海洋プラスチック汚染検出のためのリモートセンシング応用における将来の研究を導くことができる。
関連論文リスト
- Machine Learning for Methane Detection and Quantification from Space -- A survey [49.7996292123687]
メタン (CH_4) は強力な温室効果ガスであり、20年間で二酸化炭素 (CO_2) の86倍の温暖化に寄与する。
この研究は、ショートウェーブ赤外線(SWIR)帯域におけるメタン点源検出センサの既存の情報を拡張する。
従来の機械学習(ML)アプローチと同様に、最先端の技術をレビューする。
論文 参考訳（メタデータ） (2024-08-27T15:03:20Z) - Assessment of Spectral based Solutions for the Detection of Floating Marine Debris [2.3558144417896587]
近年,MARIDA (Marine Debris Archive) が,マリンプラスチックデブリ検出のための機械学習(ML)アルゴリズムの開発と評価のための標準データセットとしてリリースされた。
そこで本研究では,MARIDAデータセットの性能評価により,スペクトルベースソリューションの評価を提案する。
論文 参考訳（メタデータ） (2024-08-19T17:47:22Z) - Innovative Horizons in Aerial Imagery: LSKNet Meets DiffusionDet for
Advanced Object Detection [55.2480439325792]
本稿では,LSKNetのバックボーンをDiffusionDetヘッドに統合したオブジェクト検出モデルの詳細な評価を行う。
提案手法は平均精度(MAP)を約45.7%向上させる。
この進歩は、提案された修正の有効性を強調し、航空画像解析の新しいベンチマークを設定する。
論文 参考訳（メタデータ） (2023-11-21T19:49:13Z) - Learning Heavily-Degraded Prior for Underwater Object Detection [59.5084433933765]
本稿では、検出器フレンドリーな画像から、転送可能な事前知識を求める。
これは、検出器フレンドリー(DFUI)と水中画像の高度に劣化した領域が、特徴分布のギャップがあることを統計的に観察したものである。
高速かつパラメータの少ない本手法は変圧器型検出器よりも優れた性能を保っている。
論文 参考訳（メタデータ） (2023-08-24T12:32:46Z) - Weakly supervised marine animal detection from remote sensing images
using vector-quantized variational autoencoder [4.812718493682454]
本稿では, 海洋環境における航空画像からの弱教師付き動物検出のための再構成に基づくアプローチについて検討する。
異常検出フレームワークは、入力空間上で直接メトリクスを計算し、解釈可能性と異常なローカライゼーションを高める。
我々のフレームワークは、異常の解釈性と局所化を改善し、海洋生態系のモニタリングに有用な洞察を提供する。
論文 参考訳（メタデータ） (2023-07-13T12:26:27Z) - Large-scale Detection of Marine Debris in Coastal Areas with Sentinel-2 [3.6842260407632903]
海洋汚染を定量化するための努力は、しばしば粗末で高価な海岸調査によって行われる。
沿岸地域の衛星データは容易に入手でき、プラスチックごみを含む海洋ゴミの集積を検出するために利用することができる。
本稿では, 深部セグメンテーションモデル上に構築された海洋破片検出装置について述べる。
論文 参考訳（メタデータ） (2023-07-05T17:38:48Z) - Evaluation of the potential of Near Infrared Hyperspectral Imaging for
monitoring the invasive brown marmorated stink bug [53.682955739083056]
BMSB(Halyomorpha halys)は、数種の作物を害する世界的重要性の害虫である。
本研究は、BMSB検体を検出する技術として、NIR-HSI(Near Infrared Hyperspectral Imaging)を実験室レベルで予備評価する。
論文 参考訳（メタデータ） (2023-01-19T11:37:20Z) - GAMMA: Generative Augmentation for Attentive Marine Debris Detection [0.0]
そこで本稿では,水中デブリデータによる視覚的検出の不適切な問題を解決するために,効率的で生成的な拡張手法を提案する。
我々は、CycleGANをデータ拡張技術として使用し、地球上のプラスチックのオープンで豊富なデータを水中画像に変換する。
また,アテンション機構を用いた水中デブリ検出のための新しいアーキテクチャを提案する。
論文 参考訳（メタデータ） (2022-12-07T16:30:51Z) - Supervised classification methods applied to airborne hyperspectral
images: Comparative study using mutual information [0.0]
本稿では,SVM,Random Forest RF,K-Nearest Neighbors KNN,Linear Discriminant Analysis LDAの4つの教師付き学習アルゴリズムの性能について検討する。
実験は、NASAの空中可視/赤外線イメージング分光計センサーAVIRISと反射光学系イメージング分光計ROSISセンサーから得られた3つの実際のハイパースペクトルデータセットで実施された。
論文 参考訳（メタデータ） (2022-10-27T13:39:08Z) - Unsupervised Machine Learning for Exploratory Data Analysis of Exoplanet
Transmission Spectra [68.8204255655161]
我々は、通過する太陽系外惑星のスペクトルデータを解析するための教師なし手法に焦点をあてる。
スペクトルデータには、適切な低次元表現を要求する高い相関関係があることが示される。
主成分に基づく興味深い構造、すなわち、異なる化学状態に対応する明確に定義された分岐を明らかにする。
論文 参考訳（メタデータ） (2022-01-07T22:26:33Z) - Spatial-Phase Shallow Learning: Rethinking Face Forgery Detection in
Frequency Domain [88.7339322596758]
本論文では,空間画像と位相スペクトルを組み合わせ,顔の偽造のアップサンプリング成果をキャプチャするSPSL(Spatial-Phase Shallow Learning)法を提案する。
SPSLは、クロスデータセット評価における最先端性能とマルチクラス分類を実現し、単一データセット評価において同等の結果を得ることができる。
論文 参考訳（メタデータ） (2021-03-02T16:45:08Z)
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。