論文の概要: A Multimodal Supervised Machine Learning Approach for Satellite-based Wildfire Identification in Europe

• arxiv url: http://arxiv.org/abs/2308.02508v1
• Date: Thu, 27 Jul 2023 08:28:57 GMT
• ステータス: 処理完了
• システム内更新日: 2023-08-14 01:18:58.598250
• Title: A Multimodal Supervised Machine Learning Approach for Satellite-based Wildfire Identification in Europe
• Title（参考訳）: ヨーロッパにおける衛星山火事識別のためのマルチモーダル教師付き機械学習手法
• Authors: Angelica Urbanelli, Luca Barco, Edoardo Arnaudo, Claudio Rossi
• Abstract要約: 本稿では,衛星による自動ホットスポット検出システムの精度を向上させるために,山火事識別ソリューションを提案する。 我々は、モデレート分解能イメージング分光計(MODIS)と可視赤外線放射計(VIIRS)ホットスポットサービスによって検出された熱異常を相互参照する。 そこで本稿では,山火事と他のイベントを区別し,ホットスポットの検出を曖昧にするための教師付き機械学習手法を提案する。
• 参考スコア（独自算出の注目度）: 0.34410212782758043
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The increasing frequency of catastrophic natural events, such as wildfires, calls for the development of rapid and automated wildfire detection systems. In this paper, we propose a wildfire identification solution to improve the accuracy of automated satellite-based hotspot detection systems by leveraging multiple information sources. We cross-reference the thermal anomalies detected by the Moderate-resolution Imaging Spectroradiometer (MODIS) and the Visible Infrared Imaging Radiometer Suite (VIIRS) hotspot services with the European Forest Fire Information System (EFFIS) database to construct a large-scale hotspot dataset for wildfire-related studies in Europe. Then, we propose a novel multimodal supervised machine learning approach to disambiguate hotspot detections, distinguishing between wildfires and other events. Our methodology includes the use of multimodal data sources, such as the ERSI annual Land Use Land Cover (LULC) and the Copernicus Sentinel-3 data. Experimental results demonstrate the effectiveness of our approach in the task of wildfire identification.
• Abstract（参考訳）: ワイルドファイアのような壊滅的な自然現象の頻度が増加すると、迅速かつ自動化されたワイルドファイア検出システムの開発が求められる。 本稿では,複数の情報源を活用し,衛星自動ホットスポット検出システムの精度を向上させるワイルドファイア識別手法を提案する。 我々は,ヨーロッパ森林火災情報システム(effis)データベースを用いて,中分解能画像分光放射計(modis)と可視赤外画像放射計スイート(viirs)により検出された熱異常を相互に参照し,ヨーロッパにおける野火研究のための大規模ホットスポットデータセットを構築する。 次に,マルチモーダル教師付き機械学習によるホットスポット検出の曖昧さを解消し,ワイルドファイアと他のイベントを区別する手法を提案する。 本手法は, ERSI 年次土地利用土地被覆 (LULC) やコペルニクス・センチネル3データなどのマルチモーダルデータソースの利用を含む。 実験の結果,山火事の特定作業におけるアプローチの有効性が示された。

関連論文リスト

• Rapid Wildfire Hotspot Detection Using Self-Supervised Learning on Temporal Remote Sensing Data [0.12289361708127873]
  衛星ネットワークや高度なAIモデルからリモートセンシングされたデータを活用して、ホットスポットを自動的に検出することは、山火事モニタリングシステムを構築する効果的な方法である。 本稿では,欧州の火災イベントに関連するリモートセンシングデータの時系列を含む新しいデータセットと,多時期データを解析し,潜在的にほぼリアルタイムにホットスポットを識別できる自己監視学習(SSL)モデルを提案する。 我々は、我々のデータセットといくつかの火災イベントを含む熱異常のデータセットであるThrawsを用いて、モデルの性能を訓練し、評価し、F1スコア63.58を得る。
  論文  参考訳（メタデータ） (2024-05-30T14:31:46Z)
• Sen2Fire: A Challenging Benchmark Dataset for Wildfire Detection using Sentinel Data [5.299803738642663]
  このデータセットは、Sentinel-2マルチスペクトルデータとSentinel-5Pエアロゾル製品から収集される。 各パッチのサイズは512$times$512で、13のバンドがある。 その結果、山火事検出に全バンドを使用するのに対し、特定のバンドの組み合わせを選択すると、優れた性能が得られることが示唆された。
  論文  参考訳（メタデータ） (2024-03-26T17:16:04Z)
• FLOGA: A machine learning ready dataset, a benchmark and a novel deep learning model for burnt area mapping with Sentinel-2 [41.28284355136163]
  森林火災は人間や動物の生活、生態系、社会経済の安定に重大な脅威をもたらす。 本研究では、FLOGA(Forest wiLdfire Observations for the Greek Area)と名付けた機械学習可能なデータセットを作成し、導入する。 このデータセットは、山火事の前後に取得された衛星画像からなるため、ユニークなものである。 我々はFLOGAを用いて、複数の機械学習アルゴリズムとディープラーニングアルゴリズムの徹底的な比較を行い、バーント領域の自動抽出を行う。
  論文  参考訳（メタデータ） (2023-11-06T18:42:05Z)
• Multimodal Wildland Fire Smoke Detection [5.15911752972989]
  研究によると、気候変動によって温暖な温度と乾燥状態が生まれ、長い山火事の季節と米国の山火事のリスクが増大する。 スモーキーネット(SmokeyNet)は,森林火災の煙を検出するための時間的情報を用いた深層学習モデルである。 SmokeyNetは、ほんの数分の時間で自動早期通知システムとして機能し、破壊的な山火事との戦いに有用なツールを提供する。
  論文  参考訳（メタデータ） (2022-12-29T01:16:06Z)
• Image-Based Fire Detection in Industrial Environments with YOLOv4 [53.180678723280145]
  この研究は、AIが火災を検出し、認識し、画像ストリーム上のオブジェクト検出を使用して検出時間を短縮する可能性を検討する。 そこで我々は, YOLOv4オブジェクト検出器をベースとした複数のモデルのトレーニングと評価に使用されてきた複数の公開情報源から, 適切なデータを収集, ラベル付けした。
  論文  参考訳（メタデータ） (2022-12-09T11:32:36Z)
• Unsupervised Wildfire Change Detection based on Contrastive Learning [1.53934570513443]
  山火事の深刻度を正確に評価することは, 火災発生地域における燃料条件のキャラクタリゼーションに寄与する。 本研究の目的は、高解像度マルチスペクトル衛星画像上に構築された自律システムを開発することである。
  論文  参考訳（メタデータ） (2022-11-26T20:13:14Z)
• Target-aware Dual Adversarial Learning and a Multi-scenario Multi-Modality Benchmark to Fuse Infrared and Visible for Object Detection [65.30079184700755]
  本研究は、物体検出のために異なるように見える赤外線と可視画像の融合の問題に対処する。 従来のアプローチでは、2つのモダリティの根底にある共通点を発見し、反復最適化またはディープネットワークによって共通空間に融合する。 本稿では、融合と検出の連立問題に対する二段階最適化の定式化を提案し、その後、核融合と一般的に使用される検出ネットワークのためのターゲット認識デュアル逆学習(TarDAL)ネットワークに展開する。
  論文  参考訳（メタデータ） (2022-03-30T11:44:56Z)
• Infrared Small-Dim Target Detection with Transformer under Complex Backgrounds [155.388487263872]
  変換器を用いた赤外線小径目標検出手法を提案する。 画像特徴の相互作用情報をより広い範囲で学習するために,変換器の自己認識機構を採用する。 最小限のターゲットの機能を学習するための機能拡張モジュールも設計しています。
  論文  参考訳（メタデータ） (2021-09-29T12:23:41Z)
• From One to Many: A Deep Learning Coincident Gravitational-Wave Search [58.720142291102135]
  単一検出器からの非スピン型二元ブラックホールデータに基づいてトレーニングされたニューラルネットワークを用いて、二元ブラックホールの融合から重力波を2検出器で探索する。 これらの単純な2検出器ネットワークはいずれも、検出器のデータに個別にネットワークを適用するよりも感度を向上させることができない。
  論文  参考訳（メタデータ） (2021-08-24T13:25:02Z)
• Perception-aware Multi-sensor Fusion for 3D LiDAR Semantic Segmentation [59.42262859654698]
  3Dセマンティックセグメンテーションは、自動運転やロボット工学など、多くのアプリケーションにおいてシーン理解において重要である。 既存の融合法は、2つのモードの差が大きいため、有望な性能を達成できない。 本研究では,知覚認識型マルチセンサフュージョン(PMF)と呼ばれる協調融合方式について検討する。
  論文  参考訳（メタデータ） (2021-06-21T10:47:26Z)
• City-scale Scene Change Detection using Point Clouds [71.73273007900717]
  2つの異なる時間にカメラを設置して撮影した画像を用いて都市の構造変化を検出する手法を提案する。 変化検出のための2点雲の直接比較は、不正確な位置情報のため理想的ではない。 この問題を回避するために,ポイントクラウド上での深層学習に基づく非厳密な登録を提案する。 提案手法は,視点や照明の違いがあっても,シーン変化を効果的に検出できることを示す。
  論文  参考訳（メタデータ） (2021-03-26T08:04:13Z)

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。