論文の概要: A Vision for Cleaner Rivers: Harnessing Snapshot Hyperspectral Imaging
to Detect Macro-Plastic Litter
- arxiv url: http://arxiv.org/abs/2307.12145v1
- Date: Sat, 22 Jul 2023 18:59:27 GMT
- ステータス: 処理完了
- システム内更新日: 2023-07-25 17:49:07.852236
- Title: A Vision for Cleaner Rivers: Harnessing Snapshot Hyperspectral Imaging
to Detect Macro-Plastic Litter
- Title（参考訳）: クリーンな川へのビジョン:スナップショットハイパースペクトルイメージングによるマクロ塑性リッターの検出
- Authors: Nathaniel Hanson, Ahmet Demirkaya, Deniz Erdo\u{g}mu\c{s}, Aron
Stubbins, Ta\c{s}k{\i}n Pad{\i}r, Tales Imbiriba
- Abstract要約: 大量のプラスチック廃棄物が内陸から海へと輸送され、地球規模で浮かぶ破片田の問題に繋がる。
河川のようなシナリオにおける計算画像を用いたマクロプラスチックごみ検出の可能性について解析する。
- 参考スコア（独自算出の注目度）: 6.198237241838559
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Plastic waste entering the riverine harms local ecosystems leading to
negative ecological and economic impacts. Large parcels of plastic waste are
transported from inland to oceans leading to a global scale problem of floating
debris fields. In this context, efficient and automatized monitoring of
mismanaged plastic waste is paramount. To address this problem, we analyze the
feasibility of macro-plastic litter detection using computational imaging
approaches in river-like scenarios. We enable near-real-time tracking of
partially submerged plastics by using snapshot Visible-Shortwave Infrared
hyperspectral imaging. Our experiments indicate that imaging strategies
associated with machine learning classification approaches can lead to high
detection accuracy even in challenging scenarios, especially when leveraging
hyperspectral data and nonlinear classifiers. All code, data, and models are
available online:
https://github.com/RIVeR-Lab/hyperspectral_macro_plastic_detection.
- Abstract（参考訳）: 河川に入るプラスチック廃棄物は、生態系を害し、生態系や経済に悪影響を及ぼす。
大量のプラスチック廃棄物が内陸から海へと輸送され、地球規模で浮かぶ破片田の問題に繋がる。
この文脈では, 誤処理プラスチック廃棄物の効率的かつ自動化されたモニタリングが最重要である。
この問題に対処するために、河川のようなシナリオにおける計算画像を用いたマクロプラスチックごみ検出の可能性を分析する。
可視光-短波赤外高スペクトル画像による部分潜水プラスチックのリアルタイム追跡を可能にする。
実験は,特にハイパースペクトルデータと非線形分類器を活用する場合において,機械学習の分類手法に関連するイメージング戦略が高い検出精度をもたらすことを示唆する。
すべてのコード、データ、モデルはオンラインで入手できる。 https://github.com/river-lab/hyperspectral_macro_plastic_detection。
関連論文リスト
- PoTATO: A Dataset for Analyzing Polarimetric Traces of Afloat Trash Objects [7.117487088419503]
水生環境のプラスチック廃棄物は海洋生物や人間の健康に深刻なリスクをもたらす。
ディープラーニングはこのタスクの強力なツールとして広く利用されているが、その性能は屋外の光条件と水面反射によって著しく制限されている。
12,380個のラベル付きプラスチックボトルとリッチ偏光情報を含むデータセットPoTATOを紹介する。
論文 参考訳（メタデータ） (2024-09-19T11:21:24Z) - Deep Domain Adaptation: A Sim2Real Neural Approach for Improving Eye-Tracking Systems [80.62854148838359]
眼球画像のセグメンテーションは、最終視線推定に大きな影響を及ぼす眼球追跡の重要なステップである。
対象視線画像と合成訓練データとの重なり合いを測定するために,次元還元法を用いている。
提案手法は,シミュレーションと実世界のデータサンプルの相違に対処する際の頑健で,性能が向上する。
論文 参考訳（メタデータ） (2024-03-23T22:32:06Z) - 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) - Implementing Edge Based Object Detection For Microplastic Debris [0.0]
プラスチックは、我々の日々の活動に欠かせない存在として自制している。
プラスチックの破片レベルは、埋立地のゴミ処理場に廃棄物が蓄積されるにつれて上昇し続けている。
このプロジェクトでは、サンプル画像の時間的検出で実行可能なモデルを生成することができる。
論文 参考訳（メタデータ） (2023-07-30T17:55:03Z) - 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) - Spectral Analysis of Marine Debris in Simulated and Observed
Sentinel-2/MSI Images using Unsupervised Classification [0.0]
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。
論文 参考訳（メタデータ） (2023-06-26T18:46:47Z) - PLASTIC: Improving Input and Label Plasticity for Sample Efficient
Reinforcement Learning [54.409634256153154]
強化学習(RL)では, サンプル効率の向上が重要である。
原則として、非政治的なRLアルゴリズムは、環境相互作用毎に複数の更新を可能にすることで、サンプル効率を向上させることができる。
本研究は, この現象の原因を, 塑性を2つの側面に分けて検討した。
論文 参考訳（メタデータ） (2023-06-19T06:14:51Z) - Towards Generating Large Synthetic Phytoplankton Datasets for Efficient
Monitoring of Harmful Algal Blooms [77.25251419910205]
有害な藻類(HAB)は養殖農場で重大な魚死を引き起こす。
現在、有害藻や他の植物プランクトンを列挙する標準的な方法は、顕微鏡でそれらを手動で観察し数えることである。
合成画像の生成にはGAN(Generative Adversarial Networks)を用いる。
論文 参考訳（メタデータ） (2022-08-03T20:15:55Z) - DeepPlastic: A Novel Approach to Detecting Epipelagic Bound Plastic
Using Deep Visual Models [0.0]
現在、浮遊プラスチックを定量化する最も一般的な監視方法は、マンタトロールの使用が必要です。
分析前の物理的除去の必要性は、コストが高く、リアルタイムの海洋プラスチックモニタリングサービスのスケーラブルな展開を妨げる集中的な労力を必要とします。
本研究では,海表層内で撮影した画像をインプットとして利用する,高度にスケーラブルなワークフローを提案する。
論文 参考訳（メタデータ） (2021-05-05T06:04:26Z) - Learning Camera Miscalibration Detection [83.38916296044394]
本稿では,視覚センサ,特にRGBカメラの誤校正検出を学習するためのデータ駆動型アプローチに焦点を当てた。
コントリビューションには、RGBカメラの誤校正基準と、この基準に基づく新しい半合成データセット生成パイプラインが含まれる。
深層畳み込みニューラルネットワークをトレーニングすることにより、カメラ固有のパラメータの再校正が必要か否かを判断するパイプラインの有効性を実証する。
論文 参考訳（メタデータ） (2020-05-24T10:32:49Z) - Transferable Active Grasping and Real Embodied Dataset [48.887567134129306]
ハンドマウント型RGB-Dカメラを用いて把握可能な視点を探索する方法を示す。
現実的な3段階の移動可能な能動把握パイプラインを開発し、未確認のクラッタシーンに適応する。
本研究のパイプラインでは,カテゴリ非関連行動の把握と確保において,スパース報酬問題を克服するために,新しいマスク誘導報酬を提案する。
論文 参考訳（メタデータ） (2020-04-28T08:15:35Z)
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。