論文の概要: Deep Semantic Model Fusion for Ancient Agricultural Terrace Detection
- arxiv url: http://arxiv.org/abs/2308.02225v1
- Date: Fri, 4 Aug 2023 09:42:14 GMT
- ステータス: 処理完了
- システム内更新日: 2023-08-07 13:23:10.633255
- Title: Deep Semantic Model Fusion for Ancient Agricultural Terrace Detection
- Title（参考訳）: 古代農業テラス検出のための深層意味モデル融合
- Authors: Yi Wang, Chenying Liu, Arti Tiwari, Micha Silver, Arnon Karnieli, Xiao
Xiang Zhu, Conrad M Albrecht
- Abstract要約: 本稿では,古代農耕段丘検出のための深部セマンティックモデル融合法を提案する。
提案手法は国際AI考古学チャレンジで優勝した。
- 参考スコア（独自算出の注目度）: 17.102691286544136
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Discovering ancient agricultural terraces in desert regions is important for
the monitoring of long-term climate changes on the Earth's surface. However,
traditional ground surveys are both costly and limited in scale. With the
increasing accessibility of aerial and satellite data, machine learning
techniques bear large potential for the automatic detection and recognition of
archaeological landscapes. In this paper, we propose a deep semantic model
fusion method for ancient agricultural terrace detection. The input data
includes aerial images and LiDAR generated terrain features in the Negev
desert. Two deep semantic segmentation models, namely DeepLabv3+ and UNet, with
EfficientNet backbone, are trained and fused to provide segmentation maps of
ancient terraces and walls. The proposed method won the first prize in the
International AI Archaeology Challenge. Codes are available at
https://github.com/wangyi111/international-archaeology-ai-challenge.
- Abstract（参考訳）: 砂漠地帯の古代農業段丘の発見は、地球表面の長期的な気候変化を監視する上で重要である。
しかし、従来の地上調査は費用がかかり規模も限られている。
航空データと衛星データのアクセシビリティが高まるにつれて、機械学習技術は考古学的景観の自動検出と認識に大きな可能性を秘めている。
本稿では,古代農耕段丘検出のための深部意味モデル融合法を提案する。
入力データは、ネゲヴ砂漠の航空画像とLiDAR生成地形の特徴を含んでいる。
deeplabv3+とunetという2つの深層セマンティックセグメンテーションモデルがトレーニングされ、融合され、古代のテラスと壁のセグメンテーションマップを提供する。
提案手法は、国際ai考古学チャレンジで1等賞を受賞した。
コードはhttps://github.com/wangyi111/international-archaeology-ai-challengeで入手できる。
関連論文リスト
- MambaDS: Near-Surface Meteorological Field Downscaling with Topography Constrained Selective State Space Modeling [68.69647625472464]
気象予測において重要な課題であるダウンスケーリングは、ターゲット領域に対する高解像度気象状態の再構築を可能にする。
以前のダウンスケーリング手法には気象学のための調整された設計が欠けており、構造的な限界に遭遇した。
本稿では,多変数相関と地形情報の利用性を高める新しいモデルであるMambaDSを提案する。
論文 参考訳（メタデータ） (2024-08-20T13:45:49Z) - Locate Anything on Earth: Advancing Open-Vocabulary Object Detection for Remote Sensing Community [50.16478515591924]
LAEタスクのための最初のオープンボキャブラリ基礎オブジェクト検出器であるLAE-DINOモデルを提案し,訓練する。
我々は、確立されたリモートセンシングベンチマークDIOR、DOTAv2.0、および新たに発表された80クラスのLEE-80Cベンチマークについて実験を行った。
その結果, LAE-1Mデータセットの利点と, LAE-DINO法の有効性が示された。
論文 参考訳（メタデータ） (2024-08-17T06:24:43Z) - Evaluation of Deep Learning Semantic Segmentation for Land Cover Mapping on Multispectral, Hyperspectral and High Spatial Aerial Imagery [0.0]
気候変動の台頭で、土地被覆マッピングは環境モニタリングにおいて緊急に必要となってきた。
本研究では,Unet,Linknet,FPN,PSPnetなどのセマンティックセグメンテーション手法を用いて植生や水などの分類を行った。
LinkNetモデルは、すべてのデータセットで0.92の精度でIoUで取得した。
論文 参考訳（メタデータ） (2024-06-20T11:40:12Z) - A Geospatial Approach to Predicting Desert Locust Breeding Grounds in Africa [3.6826233660285395]
ロカスト群れは農業と食料安全保障に 大きな脅威を与えます
本研究は,ロカスト繁殖場予測のための操作可能なモデルを開発した。
論文 参考訳（メタデータ） (2024-03-11T16:13:58Z) - Pixel to Elevation: Learning to Predict Elevation Maps at Long Range using Images for Autonomous Offroad Navigation [10.898724668444125]
本稿では,車載エゴセントリック画像のみをリアルタイムに利用して,長距離の地形標高マップを予測できる学習型アプローチを提案する。
複雑で非構造的な地形における自律型オフロードロボットナビゲーションへの提案手法の適用性を実験的に検証した。
論文 参考訳（メタデータ） (2024-01-30T22:37:24Z) - Multiview Aerial Visual Recognition (MAVREC): Can Multi-view Improve
Aerial Visual Perception? [57.77643186237265]
我々は、異なる視点から同期シーンを記録するビデオデータセットであるMultiview Aerial Visual RECgnition(MAVREC)を提示する。
MAVRECは約2.5時間、業界標準の2.7K解像度ビデオシーケンス、0.5万フレーム以上のフレーム、11万の注釈付きバウンディングボックスで構成されている。
これにより、MAVRECは地上および空中ビューのデータセットとして最大であり、ドローンベースのデータセットの中では4番目に大きい。
論文 参考訳（メタデータ） (2023-12-07T18:59:14Z) - 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) - SSL4EO-L: Datasets and Foundation Models for Landsat Imagery [8.34029977985994]
ランドサット計画 (Landsat program) は、過去最長の地球観測計画であり、8つの衛星による50年以上のデータ取得である。
深層学習やリモートセンシングの普及にもかかわらず、ほとんどの研究者はランドサットの画像解析に決定木とランダムな森林を使っている。
本稿では,ランドサット衛星群を対象としたセルフ・スーパーバイザード・ラーニング・フォー・アース・オブ・オブ・アース・オブ・ザ・観察のために設計された最初のデータセットであるSSL4EO-Lを紹介する。
論文 参考訳（メタデータ） (2023-06-15T18:11:20Z) - Self-Supervised Learning to Guide Scientifically Relevant Categorization
of Martian Terrain Images [1.282755489335386]
キュリオシティ・ローバーに搭載されたマストカメラから撮影した画像に堆積テクスチャを集成する自己監督手法を提案する。
次に、これらのクラスターの定性的解析を行い、その地質学的意義を粒状地形群の作成を通して記述する。
論文 参考訳（メタデータ） (2022-04-21T02:48:40Z) - Embedding Earth: Self-supervised contrastive pre-training for dense land
cover classification [61.44538721707377]
本研究では,衛星画像の高可用性を活用するための自己監督型コントラスト事前学習法として,エンベディングアースを提案する。
提案手法による事前学習では, 25%の絶対mIoUが得られた。
学習した特徴は、異なる領域間で一般化され、提案した事前学習スキームの可能性を開放する。
論文 参考訳（メタデータ） (2022-03-11T16:14:14Z) - 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)
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。