論文の概要: Detection of River Sandbank for Sand Mining with the Presence of Other
High Mineral Content Regions Using Multi-spectral Images
- arxiv url: http://arxiv.org/abs/2307.00314v1
- Date: Sat, 1 Jul 2023 12:03:17 GMT
- ステータス: 処理完了
- システム内更新日: 2023-07-05 16:42:29.122140
- Title: Detection of River Sandbank for Sand Mining with the Presence of Other
High Mineral Content Regions Using Multi-spectral Images
- Title（参考訳）: マルチスペクトル画像を用いた他の高鉱物量領域の存在下での砂採掘用河川砂岩の検出
- Authors: Jit Mukherjee
- Abstract要約: 砂の採掘はブームの産業であり、この川は砂の採掘の主要源の1つである。
かつては、砂の採掘を含む鉱業地域を検出するために、半監督的・監督的な技術が用いられてきた。
本報告では, 砂質地中の砂質地を, 季節ごとのラベル付きデータのないマルチスペクトル画像を用いて検出する手法を提案する。
- 参考スコア（独自算出の注目度）: 0.951828574518325
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Sand mining is a booming industry. The river sandbank is one of the primary
sources of sand mining. Detection of potential river sandbank regions for sand
mining directly impacts the economy, society, and environment. In the past,
semi-supervised and supervised techniques have been used to detect mining
regions including sand mining. A few techniques employ multi-modal analysis
combining different modalities such as multi-spectral imaging, synthetic
aperture radar (\emph{SAR}) imaging, aerial images, and point cloud data.
However, the distinguishing spectral characteristics of river sandbank regions
are yet to be fully explored. This paper provides a novel method to detect
river sandbank regions for sand mining using multi-spectral images without any
labeled data over the seasons. Association with a river stream and the
abundance of minerals are the most prominent features of such a region. The
proposed work uses these distinguishing features to determine the spectral
signature of a river sandbank region, which is robust to other high mineral
abundance regions. It follows a two-step approach, where first, potential high
mineral regions are detected and next, they are segregated using the presence
of a river stream. The proposed technique provides average accuracy, precision,
and recall of 90.75%, 85.47%, and 73.5%, respectively over the seasons from
Landsat 8 images without using any labeled dataset.
- Abstract（参考訳）: 砂の採掘はブーム産業だ。
サンドバンク川は砂の採掘の主要源の1つである。
砂採掘のための潜在的河川砂岩地域の検出は、経済、社会、環境に直接影響を及ぼす。
かつては、砂の採掘を含む鉱業地域を検出するために、半監督的・監督的な技術が用いられてきた。
いくつかのテクニックでは、マルチスペクトルイメージング、合成開口レーダ(\emph{sar})イメージング、空中画像、ポイントクラウドデータなどの異なるモダリティを組み合わせたマルチモーダル分析を採用している。
しかし,河川砂原地域の識別スペクトル特性は未だ十分に検討されていない。
本報告では, 砂質地中の砂質地を, 季節ごとのラベル付きデータのないマルチスペクトル画像を用いて検出する手法を提案する。
河川の流れとミネラルの豊富さとの関係は、そのような地域で最も顕著な特徴である。
提案研究はこれらの特徴を,他の高鉱物量地域に対して頑健な河川砂岩地域のスペクトル特性を決定するために利用した。
2段階のアプローチで、第1に、潜在的に高い鉱物領域が検出され、次に、川流の存在によって分離される。
提案手法は、ラベル付きデータセットを使わずにランドサット8号の画像からそれぞれ90.75%、85.47%、73.5%の平均精度、精度、リコールを提供する。
関連論文リスト
- Automatic characterization of boulders on planetary surfaces from
high-resolution satellite images [4.817284512836187]
岩は様々な地質学的プロセスから形成され、その大きさ、形状、配向がより深く理解するのに役立ちます。
我々は、高解像度衛星画像におけるボルダーの検出とアウトライン化のために、インスタンスセグメンテーションニューラルネットワークであるMask R-CNNを使用している。
私たちのニューラルネットワークであるBoulderNetは、地球、月、火星の750枚の画像タイルに33,000個のボールダーのデータセットからトレーニングされました。
論文 参考訳（メタデータ） (2024-01-15T08:14:23Z) - HarvestNet: A Dataset for Detecting Smallholder Farming Activity Using
Harvest Piles and Remote Sensing [50.4506590177605]
HarvestNetは、2020-2023年のエチオピアのティグレイとアムハラの農場の存在をマッピングするためのデータセットである。
本研究は,多くの小作システムの特徴ある収穫杭の検出に基づく新しい手法を提案する。
本研究は, 農作物のリモートセンシングが, 食品の安全地帯において, よりタイムリーかつ正確な農地評価に寄与することが示唆された。
論文 参考訳（メタデータ） (2023-08-23T11:03:28Z) - Towards Generalizable Deepfake Detection by Primary Region
Regularization [52.41801719896089]
本稿では,新しい正規化の観点から一般化能力を高める。
本手法は, 一次領域マップの静的な位置決めと, 一次領域マスクの動的利用の2段階からなる。
5つのバックボーンを持つDFDC,DF-1.0,Celeb-DFの3種類のディープフェイクデータセットについて広範な実験を行った。
論文 参考訳（メタデータ） (2023-07-24T05:43:34Z) - Waste Detection and Change Analysis based on Multispectral Satellite
Imagery [0.0]
本研究では, ホットスポット(不法廃棄物捨て場)の同定と水面河川ブロックの同定の2つの可能な廃棄物検出形態を解析した。
その結果, 衛星画像と機械学習を用いることで, 検出した廃棄物の変化を検知し, 監視することが可能であることが判明した。
論文 参考訳（メタデータ） (2023-03-25T17:12:22Z) - Mitigating climate and health impact of small-scale kiln industry using
multi-spectral classifier and deep learning [5.992292768883151]
小規模産業、特にブルトレンチレンガキルンは南アジアにおける大気汚染の重要な原因の1つである。
本稿では,南アジアの「Brick-Kiln-Belt」におけるレンガキルン検出のための高分解能画像を用いた多スペクトルデータの融合を提案する。
論文 参考訳（メタデータ） (2023-03-21T07:54:58Z) - Deep Learning Models for River Classification at Sub-Meter Resolutions
from Multispectral and Panchromatic Commercial Satellite Imagery [2.121978045345352]
この研究は、Quickbird、WorldView、GeoEye衛星の画像を用いて北極の河川に焦点を当てている。
我々は、8バンドマルチスペクトルセンサーのRGBとNIRバンドを用いており、これらの訓練されたモデルはすべて、衛星画像特有のトレーニングデータのオンザフライ前処理によって、検証データに対して90%以上の精度とリコールを達成している。
新たなアプローチでは、マルチスペクトルモデルによる結果を用いて、パンクロマチック画像のみを必要とするFCNのトレーニングデータを生成する。
論文 参考訳（メタデータ） (2022-12-27T20:56:34Z) - Dam reservoir extraction from remote sensing imagery using tailored
metric learning strategies [6.040904021861968]
本稿では,ダム貯水池抽出を水域セグメンテーションとダム貯水池認識に分解するディープニューラルネットワークを用いたパイプラインを提案する。
我々は西アフリカとインドの河川流域から得られた地球画像データと人間ラベル付き貯水池のベンチマークデータセットを構築した。
論文 参考訳（メタデータ） (2022-07-12T19:46:01Z) - IS-COUNT: Large-scale Object Counting from Satellite Images with
Covariate-based Importance Sampling [90.97859312029615]
本研究では,大規模地形におけるオブジェクト数統計をサンプリングによって推定する手法を提案する。
提案手法は,米国とアフリカ,ケニアの自動車,バングラデシュのレンガキルン,米国のスイミングプールの建物数の推定において,高い性能を発揮することを示す。
論文 参考訳（メタデータ） (2021-12-16T18:59:29Z) - Potato Crop Stress Identification in Aerial Images using Deep
Learning-based Object Detection [60.83360138070649]
本稿では, 深層ニューラルネットワークを用いたジャガイモの空中画像解析手法を提案する。
主な目的は、植物レベルでの健康作物とストレス作物の自動空間認識を実証することである。
実験により、フィールド画像中の健康植物とストレス植物を識別し、平均Dice係数0.74を達成できることを示した。
論文 参考訳（メタデータ） (2021-06-14T21:57:40Z) - Fusion of Deep and Non-Deep Methods for Fast Super-Resolution of
Satellite Images [54.44842669325082]
本研究は,超解像(SR)による画質向上により,画質と価格のギャップを埋めることを提案する。
低解像度画像の各パッチの地域情報内容を解析するSRフレームワークを設計する。
本研究では,既存の深部SR法と同等の性能を示しながら,推定時間を大幅に減少させることを示した。
論文 参考訳（メタデータ） (2020-08-03T13:55:39Z) - Deep learning for lithological classification of carbonate rock micro-CT
images [52.77024349608834]
本研究は,ブラジルのプリサルト炭酸塩岩微視的画像のパターン同定にディープラーニング技術を適用することを目的としている。
4つの畳み込みニューラルネットワークモデルが提案された。
精度によると、リサイズ画像で訓練されたモデル2は、最初の評価アプローチでは平均75.54%、2番目の評価では平均81.33%に達した。
論文 参考訳（メタデータ） (2020-07-30T19:14:00Z)
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。