論文の概要: The identification of garbage dumps in the rural areas of Cyprus through
the application of deep learning to satellite imagery
- arxiv url: http://arxiv.org/abs/2308.02502v1
- Date: Sun, 23 Jul 2023 05:24:20 GMT
- ステータス: 処理完了
- システム内更新日: 2023-08-14 01:29:13.675650
- Title: The identification of garbage dumps in the rural areas of Cyprus through
the application of deep learning to satellite imagery
- Title(参考訳): 衛星画像へのディープラーニングの適用によるキプロス農村地域のゴミ捨て場の同定
- Authors: Andrew Keith Wilkinson
- Abstract要約: 本研究の目的は,キプロスの農村部における不法ゴミ捨て場を特定するために,人工知能技術がどの程度活用できるかを検討することである。
これには、ゴミを含むか含まないかのどちらかに分類される可能性のある、新しい画像のデータセットの収集が含まれていた。
ニューラルネットワークは、新しい画像におけるゴミの有無を認識するために訓練された。
- 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: Garbage disposal is a challenging problem throughout the developed world. In
Cyprus, as elsewhere, illegal ``fly-tipping" is a significant issue, especially
in rural areas where few legal garbage disposal options exist. However, there
is a lack of studies that attempt to measure the scale of this problem, and few
resources available to address it. A method of automating the process of
identifying garbage dumps would help counter this and provide information to
the relevant authorities. The aim of this study was to investigate the degree
to which artificial intelligence techniques, together with satellite imagery,
can be used to identify illegal garbage dumps in the rural areas of Cyprus.
This involved collecting a novel dataset of images that could be categorised as
either containing, or not containing, garbage. The collection of such datasets
in sufficient raw quantities is time consuming and costly. Therefore a
relatively modest baseline set of images was collected, then data augmentation
techniques used to increase the size of this dataset to a point where useful
machine learning could occur. From this set of images an artificial neural
network was trained to recognise the presence or absence of garbage in new
images. A type of neural network especially suited to this task known as
``convolutional neural networks" was used. The efficacy of the resulting model
was evaluated using an independently collected dataset of test images. The
result was a deep learning model that could correctly identify images
containing garbage in approximately 90\% of cases. It is envisaged that this
model could form the basis of a future system that could systematically analyse
the entire landscape of Cyprus to build a comprehensive ``garbage" map of the
island.
- Abstract(参考訳): ごみ処理は先進国中で難しい問題である。
In Cyprus, as elsewhere, illegal ``fly-tipping" is a significant issue, especially in rural areas where few legal garbage disposal options exist. However, there is a lack of studies that attempt to measure the scale of this problem, and few resources available to address it. A method of automating the process of identifying garbage dumps would help counter this and provide information to the relevant authorities. The aim of this study was to investigate the degree to which artificial intelligence techniques, together with satellite imagery, can be used to identify illegal garbage dumps in the rural areas of Cyprus. This involved collecting a novel dataset of images that could be categorised as either containing, or not containing, garbage. The collection of such datasets in sufficient raw quantities is time consuming and costly. Therefore a relatively modest baseline set of images was collected, then data augmentation techniques used to increase the size of this dataset to a point where useful machine learning could occur. From this set of images an artificial neural network was trained to recognise the presence or absence of garbage in new images. A type of neural network especially suited to this task known as ``convolutional neural networks" was used.
その結果, 独立に収集したテスト画像を用いて, モデルの有効性を評価した。
その結果、約90%のケースでゴミを含む画像を正しく識別できるディープラーニングモデルが得られた。
このモデルがキプロスの景観全体を体系的に分析し、島の総合的な「ガーベッジ」マップを構築する、将来のシステムの基礎を形成する可能性が考えられている。
関連論文リスト
- Weakly-supervised Camera Localization by Ground-to-satellite Image Registration [52.54992898069471]
本稿では,地対衛星画像登録のための弱教師付き学習戦略を提案する。
地上画像ごとに正の衛星画像と負の衛星画像を導き出す。
また,クロスビュー画像の相対回転推定のための自己超越戦略を提案する。
論文 参考訳(メタデータ) (2024-09-10T12:57:16Z) - Inpainting borehole images using Generative Adversarial Networks [0.0]
電線マイクロ抵抗画像ツールによるボアホール画像のギャップフィリングに対するGANに基づくアプローチを提案する。
提案手法では, 画像の欠落した領域を描画するために, ジェネレータ, グローバル判別器, ローカル判別器を利用する。
論文 参考訳(メタデータ) (2023-01-15T18:15:52Z) - Semantic Segmentation of Vegetation in Remote Sensing Imagery Using Deep
Learning [77.34726150561087]
本稿では,公開されているリモートセンシングデータからなるマルチモーダル・大規模時間データセットを作成するためのアプローチを提案する。
我々は、異なる種類の植生を分離できる畳み込みニューラルネットワーク(CNN)モデルを使用する。
論文 参考訳(メタデータ) (2022-09-28T18:51:59Z) - New Benchmark for Household Garbage Image Recognition [6.304975225537251]
我々は、異なる照明、背景、角度、形状をシミュレートすることで、家庭用ゴミ画像分類のための新しいベンチマークデータセットを構築した。
このデータセットはHGI-30(30 Classes of Household Garbage Images)と名付けられ、30世帯のごみの18,000枚の画像を含んでいる。
論文 参考訳(メタデータ) (2022-02-24T03:07:59Z) - 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) - Geographical Knowledge-driven Representation Learning for Remote Sensing
Images [18.79154074365997]
リモートセンシング画像のための地理知識駆動表現学習法(GeoKR)を提案する。
各リモートセンシング画像に関連するグローバルな土地被覆製品と地理的位置を地理的知識とみなす。
ネットワーク事前トレーニングをサポートするために,大規模な事前トレーニングデータセットであるLevir-KRを提案する。
論文 参考訳(メタデータ) (2021-07-12T09:23:15Z) - CAMERAS: Enhanced Resolution And Sanity preserving Class Activation
Mapping for image saliency [61.40511574314069]
バックプロパゲーション画像のサリエンシは、入力中の個々のピクセルのモデル中心の重要性を推定することにより、モデル予測を説明することを目的としている。
CAMERASは、外部の事前処理を必要とせずに、高忠実度バックプロパゲーション・サリエンシ・マップを計算できる手法である。
論文 参考訳(メタデータ) (2021-06-20T08:20:56Z) - 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) - Anomaly Detection in Image Datasets Using Convolutional Neural Networks,
Center Loss, and Mahalanobis Distance [0.0]
ユーザーアクティビティは、品質や無関係な画像やデータベクターのかなりの数を生成します。
ニューラルネットワークの場合、異常は通常分布外サンプルとして定義される。
本研究では,画像データセットにおける非分布サンプルの監督的および半監督的検出手法を提案する。
論文 参考訳(メタデータ) (2021-04-13T13:44:03Z) - Unsupervised Metric Relocalization Using Transform Consistency Loss [66.19479868638925]
メートル法再ローカライズを行うためのトレーニングネットワークは、従来、正確な画像対応が必要である。
地図内のクエリ画像のローカライズは、登録に使用される参照画像に関係なく、同じ絶対的なポーズを与えるべきである。
提案手法は, 限られた地下構造情報が得られる場合に, 他の教師あり手法よりも優れていることを示す。
論文 参考訳(メタデータ) (2020-11-01T19:24:27Z) - Land Cover Semantic Segmentation Using ResUNet [0.0]
本稿では,土地被覆分類のための自動システムの開発について述べる。
本システムは、入力として領域のマルチバンド衛星画像を取得し、入力と同じ解像度で領域のランドカバーマップを出力する。
この目的のために、衛星画像の土地被覆セマンティックセグメンテーションを予測するために、畳み込み機械学習モデルを訓練した。
論文 参考訳(メタデータ) (2020-10-13T10:56:09Z)
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。