論文の概要: Volcanic ash delimitation using Artificial Intelligence based on Pix2Pix
- arxiv url: http://arxiv.org/abs/2307.12970v1
- Date: Mon, 24 Jul 2023 17:49:04 GMT
- ステータス: 処理完了
- システム内更新日: 2023-07-25 13:24:47.030218
- Title: Volcanic ash delimitation using Artificial Intelligence based on Pix2Pix
- Title（参考訳）: Pix2Pixに基づく人工知能による火山灰の堆積
- Authors: Christian Carrillo, Gissela Torres, Christian Mejia-Escobar
- Abstract要約: 火山噴火は、人間の健康に有害な灰を放出し、インフラ、経済活動、環境に損傷を与える。
灰雲の昇華により、その挙動や分散を知ることができ、この現象の防止と緩和に役立つ。
本研究は、入力画像の出力画像へのマッピングを学習する生成的敵対ネットワークの一種であるPix2Pixモデルの使用を提案する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: Volcanic eruptions emit ash that can be harmful to human health and cause
damage to infrastructure, economic activities and the environment. The
delimitation of ash clouds allows to know their behavior and dispersion, which
helps in the prevention and mitigation of this phenomenon. Traditional methods
take advantage of specialized software programs to process the bands or
channels that compose the satellite images. However, their use is limited to
experts and demands a lot of time and significant computational resources. In
recent years, Artificial Intelligence has been a milestone in the computational
treatment of complex problems in different areas. In particular, Deep Learning
techniques allow automatic, fast and accurate processing of digital images. The
present work proposes the use of the Pix2Pix model, a type of generative
adversarial network that, once trained, learns the mapping of input images to
output images. The architecture of such a network consisting of a generator and
a discriminator provides the versatility needed to produce black and white ash
cloud images from multispectral satellite images. The evaluation of the model,
based on loss and accuracy plots, a confusion matrix, and visual inspection,
indicates a satisfactory solution for accurate ash cloud delineation,
applicable in any area of the world and becomes a useful tool in risk
management.
- Abstract（参考訳）: 火山噴火は、人間の健康に有害な灰を放出し、インフラ、経済活動、環境に損傷を与える。
灰雲の昇華により、その挙動や分散を知ることができ、この現象の防止と緩和に役立つ。
従来の方法では、衛星画像を構成するバンドやチャネルを処理する特別なソフトウェアプログラムを利用する。
しかし、それらの用途は専門家に限られており、多くの時間と重要な計算資源を必要とする。
近年、人工知能は様々な領域における複雑な問題の計算処理におけるマイルストーンとなっている。
特にディープラーニング技術は、デジタル画像の自動的、高速、高精度な処理を可能にする。
本研究は、入力画像のマッピングを学習して出力画像を生成する、生成的敵ネットワークの一種であるPix2Pixモデルの使用を提案する。
発電機と判別器からなるネットワークのアーキテクチャは、マルチスペクトル衛星画像から白黒の灰雲画像を生成するのに必要な汎用性を提供する。
本モデルの評価は, 損失と精度プロット, 混乱行列, 視覚検査に基づいて, 世界のどの地域においても適用可能な, 正確な灰雲配置のための十分な解を示し, リスク管理に有用なツールとなる。
関連論文リスト
- Zero-Shot Detection of AI-Generated Images [54.01282123570917]
AI生成画像を検出するゼロショットエントロピー検出器(ZED)を提案する。
機械によるテキスト検出の最近の研究に触発された私たちのアイデアは、分析対象の画像が実際の画像のモデルと比較してどれだけ驚くかを測定することである。
ZEDは精度の点でSoTAよりも平均3%以上改善されている。
論文 参考訳（メタデータ） (2024-09-24T08:46:13Z) - Physics-Driven Turbulence Image Restoration with Stochastic Refinement [80.79900297089176]
大気乱流による画像歪みは、長距離光学画像システムにおいて重要な問題である。
ディープラーニングモデルが現実世界の乱流条件に適応するために、高速で物理学的なシミュレーションツールが導入された。
本稿では,物理統合復元ネットワーク(PiRN)を提案する。
論文 参考訳（メタデータ） (2023-07-20T05:49:21Z) - Intelligent Multi-channel Meta-imagers for Accelerating Machine Vision [8.401693241238101]
計算コストのかかる畳み込み処理を高速かつ低消費電力の光学系にオフロードするために,デジタルバックエンドと協調して動作するインテリジェントなメタイメージを実証する。
メタイメージングはオブジェクト分類に使用され、手書き文字の正確な分類は98.6%、ファッション画像の分類は88.8%である。
論文 参考訳（メタデータ） (2023-06-12T18:44:08Z) - Boulders Identification on Small Bodies Under Varying Illumination
Conditions [0.0]
小天体の表面におけるボルダーの検出能力は、臨界操作中のナビゲーションやハザード検出といった視覚ベースの応用に有用である。
この課題は、不規則な形状の広範化、岩盤群の特徴、照明条件の急激な変動により困難である。
筆者らは,小体の表面に散らばる岩盤を頑健に検出し,セグメント化するための,データ駆動画像処理パイプラインを開発した。
論文 参考訳（メタデータ） (2022-10-28T17:22:46Z) - Learning Enriched Features for Fast Image Restoration and Enhancement [166.17296369600774]
本稿では,ネットワーク全体を通して空間的精度の高い高解像度表現を維持することを目的とする。
我々は、高解像度の空間的詳細を同時に保存しながら、複数のスケールからの文脈情報を組み合わせた豊富な特徴集合を学習する。
提案手法は,デフォーカス・デブロアリング,画像デノイング,超解像,画像強調など,さまざまな画像処理タスクに対して,最先端の処理結果を実現する。
論文 参考訳（メタデータ） (2022-04-19T17:59:45Z) - A comparison of different atmospheric turbulence simulation methods for
image restoration [64.24948495708337]
大気の乱流は、長距離イメージングシステムによって捉えられた画像の品質を悪化させる。
深層学習に基づく大気乱流緩和法が文献で提案されている。
様々な乱流シミュレーション手法が画像復元に与える影響を系統的に評価した。
論文 参考訳（メタデータ） (2022-04-19T16:21:36Z) - A workflow for segmenting soil and plant X-ray CT images with deep
learning in Googles Colaboratory [45.99558884106628]
我々はX線マイクロCT画像に畳み込みニューラルネットワークを適用するためのモジュラーワークフローを開発した。
クルミの葉, アーモンドの花芽, 土壌集合体のサンプルスキャンを用いて, 最適な結果を得るために, パラメータを最適化する方法を示す。
論文 参考訳（メタデータ） (2022-03-18T00:47:32Z) - Spatially-Adaptive Image Restoration using Distortion-Guided Networks [51.89245800461537]
空間的に変化する劣化に苦しむ画像の復元のための学習ベースソリューションを提案する。
本研究では、歪み局所化情報を活用し、画像中の困難な領域に動的に適応するネットワーク設計であるSPAIRを提案する。
論文 参考訳（メタデータ） (2021-08-19T11:02:25Z) - EmergencyNet: Efficient Aerial Image Classification for Drone-Based
Emergency Monitoring Using Atrous Convolutional Feature Fusion [8.634988828030245]
本稿では,緊急対応・監視用uavの航空機画像の効率的な分類について述べる。
緊急対応アプリケーションのための専用空中画像データベースを導入し、既存のアプローチの比較分析を行う。
マルチレゾリューション機能を処理するために,アトラス畳み込みに基づく軽量畳み込みニューラルネットワークアーキテクチャが提案されている。
論文 参考訳（メタデータ） (2021-04-28T20:24:10Z) - Cloud Removal for Remote Sensing Imagery via Spatial Attention
Generative Adversarial Network [0.9746724603067647]
リモートセンシング画像雲除去の課題を解決するため,空間注意生成敵ネットワーク (SpA GAN) というモデルを提案する。
SpA GANは人間の視覚機構を模倣し、局所的な空間的注意を伴って雲の領域を認識し、焦点を合わせる。
論文 参考訳（メタデータ） (2020-09-28T02:13:23Z) - Learning Enriched Features for Real Image Restoration and Enhancement [166.17296369600774]
畳み込みニューラルネットワーク(CNN)は、画像復元作業における従来のアプローチよりも劇的に改善されている。
ネットワーク全体を通して空間的精度の高い高解像度表現を維持することを目的とした,新しいアーキテクチャを提案する。
提案手法は,高解像度の空間的詳細を同時に保存しながら,複数のスケールからの文脈情報を組み合わせた豊富な特徴集合を学習する。
論文 参考訳（メタデータ） (2020-03-15T11:04:30Z)
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。