論文の概要: TreeFormer: a Semi-Supervised Transformer-based Framework for Tree
Counting from a Single High Resolution Image
- arxiv url: http://arxiv.org/abs/2307.06118v1
- Date: Wed, 12 Jul 2023 12:19:36 GMT
- ステータス: 処理完了
- システム内更新日: 2023-07-13 13:10:44.482381
- Title: TreeFormer: a Semi-Supervised Transformer-based Framework for Tree
Counting from a Single High Resolution Image
- Title（参考訳）: TreeFormer: 単一高解像度画像からのツリーカウントのための半スーパービジョントランスフォーマーベースのフレームワーク
- Authors: Hamed Amini Amirkolaee, Miaojing Shi, Mark Mulligan
- Abstract要約: 単一空中・衛星画像を用いた木密度推定と推定は,光度測定とリモートセンシングにおいて難しい課題である。
リモートセンシング画像に対する高価なツリーアノテーションを低減させる,ツリーカウントのための最初の半教師付きトランスフォーマーベースのフレームワークを提案する。
我々のモデルは、JiosuとYosemiteという2つのベンチマークツリーカウントデータセットと、彼ら自身が作成した新しいデータセットKCL-Londonで評価された。
- 参考スコア（独自算出の注目度）: 6.789370732159176
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Automatic tree density estimation and counting using single aerial and
satellite images is a challenging task in photogrammetry and remote sensing,
yet has an important role in forest management. In this paper, we propose the
first semisupervised transformer-based framework for tree counting which
reduces the expensive tree annotations for remote sensing images. Our method,
termed as TreeFormer, first develops a pyramid tree representation module based
on transformer blocks to extract multi-scale features during the encoding
stage. Contextual attention-based feature fusion and tree density regressor
modules are further designed to utilize the robust features from the encoder to
estimate tree density maps in the decoder. Moreover, we propose a pyramid
learning strategy that includes local tree density consistency and local tree
count ranking losses to utilize unlabeled images into the training process.
Finally, the tree counter token is introduced to regulate the network by
computing the global tree counts for both labeled and unlabeled images. Our
model was evaluated on two benchmark tree counting datasets, Jiangsu, and
Yosemite, as well as a new dataset, KCL-London, created by ourselves. Our
TreeFormer outperforms the state of the art semi-supervised methods under the
same setting and exceeds the fully-supervised methods using the same number of
labeled images. The codes and datasets are available at
https://github.com/HAAClassic/TreeFormer.
- Abstract（参考訳）: 単一空中・衛星画像による木密度の自動推定と推定は,光度測定とリモートセンシングにおいて困難な課題であるが,森林管理において重要な役割を担っている。
本稿では,リモートセンシング画像に対する高コストなツリーアノテーションを削減した,ツリーカウントのための最初の半教師付きトランスフォーマーベースのフレームワークを提案する。
treeformerと呼ばれるこの手法は、まずトランスフォーマーブロックに基づくピラミッドツリー表現モジュールを開発し、エンコーディング段階でマルチスケールな特徴を抽出する。
文脈的注意に基づく特徴融合と木密度回帰モジュールは、エンコーダからロバストな特徴を利用してデコーダ内の木密度マップを推定するように設計されている。
さらに,未ラベル画像の学習過程に活用するために,局所木密度の整合性と局所木数ランキング損失を含むピラミッド学習戦略を提案する。
最後に、ラベル付き画像とラベルなし画像の両方のグローバルツリーカウントを計算することで、ネットワークを規制するためにツリーカウンタトークンが導入される。
我々のモデルは、JiosuとYosemiteという2つのベンチマークツリーカウントデータセットと、彼ら自身が作成した新しいデータセットKCL-Londonで評価された。
本手法は,同じ条件下での半教師あり手法の状態を上回り,同じラベル付き画像を用いた全教師あり手法を上回った。
コードとデータセットはhttps://github.com/haaclassic/treeformerで入手できる。
関連論文リスト
- BranchPoseNet: Characterizing tree branching with a deep learning-based pose estimation approach [0.0]
本稿では、ポーズ推定深層学習モデルを用いて、近位レーザー走査データ中の木の輪郭を自動的に検出するパイプラインを提案する。
正確な輪郭検出は、木の成長パターン、木質に関する貴重な洞察を与え、林業価値連鎖全体にわたって木を追跡するバイオメトリックマーカーとして使われる可能性がある。
論文 参考訳（メタデータ） (2024-09-23T07:10:11Z) - Tree Counting by Bridging 3D Point Clouds with Imagery [31.02816235514385]
2次元リモートセンシング画像は、主に高層キャノピーを示すが、密集したキャノピーを持つ地域では、個々の木の分化が容易ではない。
我々は,3次元LiDAR測定と2次元画像の融合を利用して,正確な木数計測を行う。
我々は,3次元空中LiDARデータと2次元画像を用いて,森林内の木を数える深層学習手法の比較を行った。
論文 参考訳（メタデータ） (2024-03-04T11:02:17Z) - Learning a Decision Tree Algorithm with Transformers [75.96920867382859]
メタ学習によってトレーニングされたトランスフォーマーベースのモデルであるMetaTreeを導入し、強力な決定木を直接生成する。
我々は、多くのデータセットに欲求決定木とグローバルに最適化された決定木の両方を適合させ、MetaTreeを訓練して、強力な一般化性能を実現する木のみを生成する。
論文 参考訳（メタデータ） (2024-02-06T07:40:53Z) - AdaTreeFormer: Few Shot Domain Adaptation for Tree Counting from a Single High-Resolution Image [11.649568595318307]
本稿では,十分なラベル付き木を用いてソースドメインから学習するフレームワークを提案する。
限られた数のラベル付き木しか持たないターゲットドメインに適合する。
実験の結果、AdaTreeFormerは最先端の技術をはるかに上回っていることがわかった。
論文 参考訳（メタデータ） (2024-02-05T12:34:03Z) - ViTree: Single-path Neural Tree for Step-wise Interpretable Fine-grained
Visual Categorization [56.37520969273242]
細かな視覚分類のための新しいアプローチであるViTreeを紹介する。
ツリーパスをトラバースすることで、ViTreeは変換処理された機能からパッチを効果的に選択し、情報のあるローカルリージョンをハイライトする。
このパッチとパスの選択性は、ViTreeのモデルの解釈可能性を高め、モデルの内部動作に関するより良い洞察を可能にする。
論文 参考訳（メタデータ） (2024-01-30T14:32:25Z) - TreeLearn: A Comprehensive Deep Learning Method for Segmenting
Individual Trees from Ground-Based LiDAR Forest Point Clouds [42.87502453001109]
森林点雲のツリーインスタンスセグメンテーションのためのディープラーニングに基づくアプローチであるTreeLearnを提案する。
TreeLearnは、すでにセグメンテーションされたポイントクラウドにデータ駆動でトレーニングされているため、事前に定義された機能やアルゴリズムに依存しない。
我々は、Lidar360ソフトウェアを使って6665本の木の森林点雲上でTreeLearnを訓練した。
論文 参考訳（メタデータ） (2023-09-15T15:20:16Z) - Wasserstein Auto-Encoders of Merge Trees (and Persistence Diagrams) [5.384630221560809]
本稿では、マージツリーの自動符号化(MT-WAE)のための計算フレームワークを提案する。
ベクトル化されたデータを扱う従来のオートエンコーダとは対照的に,ネットワークの各層における関連計量空間上のマージ木を明示的に操作する。
公開アンサンブルの実験では,MT-WAE計算を平均数分のオーダーで行うことで,アルゴリズムの効率を実証した。
論文 参考訳（メタデータ） (2023-07-05T09:46:52Z) - RLET: A Reinforcement Learning Based Approach for Explainable QA with
Entailment Trees [47.745218107037786]
本稿では,強化学習に基づくEntailment Tree生成フレームワークであるRLETを提案する。
RLETは文の選択と推論生成モジュールによる単一ステップ推論を反復的に行う。
EntailmentBankデータセットの3つの設定の実験では、RLフレームワークを使用することの強みが示されている。
論文 参考訳（メタデータ） (2022-10-31T06:45:05Z) - Structure-Unified M-Tree Coding Solver for MathWord Problem [57.825176412485504]
従来,数式表現の2次木構造を考慮に入れたモデルでは,性能が向上した。
本稿では、出力構造を統一するために、任意のM枝(M-tree)を持つ木を適用した構造統一M-Tree符号化(S-UMCr)を提案する。
広く使われているMAWPSとMath23Kデータセットの実験結果は、SUMC-rが複数の最先端モデルを上回るだけでなく、低リソース条件下でもはるかに優れた性能を発揮することを示した。
論文 参考訳（メタデータ） (2022-10-22T12:20:36Z) - Tree Energy Loss: Towards Sparsely Annotated Semantic Segmentation [141.16965264264195]
Sparsely Annotated semantic segmentation (SASS) は、粗い粒度の監督によるセグメンテーションネットワークのトレーニングを目的としている。
ラベルなし画素のセマンティックガイダンスを提供することにより,SASSの新たなツリーエネルギー損失を提案する。
論文 参考訳（メタデータ） (2022-03-21T05:16:23Z) - Visualizing hierarchies in scRNA-seq data using a density tree-biased
autoencoder [50.591267188664666]
本研究では,高次元scRNA-seqデータから意味のある木構造を同定する手法を提案する。
次に、低次元空間におけるデータのツリー構造を強調する木バイアスオートエンコーダDTAEを紹介する。
論文 参考訳（メタデータ） (2021-02-11T08:48:48Z)
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。