論文の概要: AI-Enhanced Data Processing and Discovery Crowd Sourcing for Meteor Shower Mapping

• arxiv url: http://arxiv.org/abs/2308.02664v1
• Date: Wed, 2 Aug 2023 18:26:16 GMT
• ステータス: 処理完了
• システム内更新日: 2023-08-14 00:48:23.140517
• Title: AI-Enhanced Data Processing and Discovery Crowd Sourcing for Meteor Shower Mapping
• Title（参考訳）: メータショーアマッピングのためのAI強化データ処理と発見集団ソーシング
• Authors: Siddha Ganju, Amartya Hatua, Peter Jenniskens, Sahyadri Krishna, Chicheng Ren, Surya Ambardar
• Abstract要約: The Cameras for Allsky Meteor Surveillance(CAMS)プロジェクトは、低照度ビデオカメラで検出された流星軌道を三角測量することで、流星群をマッピングすることを目的としています。 我々の研究は、自動クラウドベースのAI対応パイプラインを実装することで、データ処理の合理化を目的としていた。 現在までに、CAMSは200以上の新しい流星群を発見し、これまでに報告された数十の流星群を検証している。
• 参考スコア（独自算出の注目度）: 0.32622301272834514
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The Cameras for Allsky Meteor Surveillance (CAMS) project, funded by NASA starting in 2010, aims to map our meteor showers by triangulating meteor trajectories detected in low-light video cameras from multiple locations across 16 countries in both the northern and southern hemispheres. Its mission is to validate, discover, and predict the upcoming returns of meteor showers. Our research aimed to streamline the data processing by implementing an automated cloud-based AI-enabled pipeline and improve the data visualization to improve the rate of discoveries by involving the public in monitoring the meteor detections. This article describes the process of automating the data ingestion, processing, and insight generation using an interpretable Active Learning and AI pipeline. This work also describes the development of an interactive web portal (the NASA Meteor Shower portal) to facilitate the visualization of meteor radiant maps. To date, CAMS has discovered over 200 new meteor showers and has validated dozens of previously reported showers.
• Abstract（参考訳）: nasaが2010年に資金提供したallsky meteor surveillance(cams)プロジェクトは、北半球と南半球の16か国で、低照度カメラで検出された流星群を三角測量することで、流星群をマッピングすることを目指している。 そのミッションは、今後の気象雨の帰還を検証し、発見し、予測することである。 本研究では,自動化されたクラウドベースのai対応パイプラインを実装してデータ処理を合理化し,データ可視化を改善し,流星検出の監視に一般市民を巻き込むことで発見率を向上させることを目的とした。 本稿では、解釈可能なアクティブラーニングとAIパイプラインを使用して、データの取り込み、処理、洞察生成を自動化するプロセスについて述べる。 本研究は、気象ラジアントマップの可視化を容易にするためのインタラクティブwebポータル(nasa meteor shower portal)の開発についても述べる。 これまでcamsは200以上の新しい流星群を発見し、これまでに報告された数十の流星群を検証してきた。

関連論文リスト

• Observation-Guided Meteorological Field Downscaling at Station Scale: A Benchmark and a New Method [66.80344502790231]
  気象学的ダウンスケーリングを任意の散乱ステーションスケールに拡張し、新しいベンチマークとデータセットを確立する。 データ同化技術にインスパイアされた我々は、観測データをダウンスケーリングプロセスに統合し、マルチスケールの観測先行情報を提供する。 提案手法は、複数の曲面変数上で、他の特別に設計されたベースラインモデルよりも優れている。
  論文  参考訳（メタデータ） (2024-01-22T14:02:56Z)
• Deep machine learning for meteor monitoring: advances with transfer learning and gradient-weighted class activation mapping [0.0]
  我々は、畳み込みニューラルネットワーク(CNN)を用いて、気象検出を分類する完全自動パイプラインを開発した。 我々の新しい手法は、雲や月、建物などの静的要素を含む画像でも隕石を検出することができる。 スペイン気象局(SPMN)が収集した大規模なデータセットを用いて、我々のモデルをトレーニングし、評価し、精度は98%に達した。
  論文  参考訳（メタデータ） (2023-10-25T17:56:28Z)
• A new meteor detection application robust to camera movements [0.0]
  本稿では,隕石の自動検出のための新しいツールを提案する。 気象観測は、気象気球や飛行機内のカメラが撮影した映像を、安定して分析することで検出することができる。
  論文  参考訳（メタデータ） (2023-09-12T07:56:55Z)
• Open-Vocabulary Object Detection via Scene Graph Discovery [53.27673119360868]
  オープンボキャブラリ(OV)オブジェクト検出は研究の注目を集めている。 OV検出にシーングラフキューを利用するSGDN(Scene-Graph-Based Discovery Network)を提案する。
  論文  参考訳（メタデータ） (2023-07-07T00:46:19Z)
• Deep-Learning-Based Precipitation Nowcasting with Ground Weather Station Data and Radar Data [14.672132394870445]
  複数の気象観測所からの地上気象観測を効果的に活用するための新しい注意法であるASOCを提案する。 ASOCは、観測の時間的ダイナミクスとそれらの間の文脈的関係を捉えるように設計されている。 この組み合わせにより, 平均臨界成功指数 (CSI) は1-6時間リード時の重雨 (少なくとも10 mm/hr) と軽雨 (少なくとも1 mm/hr) を5.7%向上することがわかった。
  論文  参考訳（メタデータ） (2022-10-20T14:59:58Z)
• Meteorological Satellite Images Prediction Based on Deep Multi-scales Extrapolation Fusion [5.125401106179782]
  気象衛星画像の正確な予測は特に2時間先まで予測することが重要である。 本稿では,現在予測されている問題に対処するため,深層多スケール核融合法を提案する。 FY-4A気象衛星データに基づく実験により,提案手法が現実的な予測画像を生成することを示す。
  論文  参考訳（メタデータ） (2022-09-19T16:00:17Z)
• Rethinking Drone-Based Search and Rescue with Aerial Person Detection [79.76669658740902]
  航空ドローンの映像の視覚検査は、現在土地捜索救助(SAR)活動に不可欠な部分である。 本稿では,この空中人物検出(APD)タスクを自動化するための新しいディープラーニングアルゴリズムを提案する。 本稿では,Aerial Inspection RetinaNet (AIR) アルゴリズムについて述べる。
  論文  参考訳（メタデータ） (2021-11-17T21:48:31Z)
• Fog Simulation on Real LiDAR Point Clouds for 3D Object Detection in Adverse Weather [92.84066576636914]
  本研究は,霧の天候下でのLiDARによる3次元物体検出の課題に対処する。 我々は、物理的に正確な霧をクリア・ウェザー・シーンにシミュレートすることでこの問題に対処する。 Seeing Through Fogデータセットに強力な3Dオブジェクト検出ベースラインを提供するのはこれが初めてです。
  論文  参考訳（メタデータ） (2021-08-11T14:37:54Z)
• SODA10M: Towards Large-Scale Object Detection Benchmark for Autonomous Driving [94.11868795445798]
  我々は,SODA10Mという名の自律走行用大規模物体検出ベンチマークをリリースし,1000万枚の未ラベル画像と6つの代表対象カテゴリをラベル付けした20K画像を含む。 多様性を向上させるために、画像は32の異なる都市で、1フレームあたり10秒毎に異なる気象条件、期間、場所のシーンで収集される。 我々は、既存の教師付き最先端検出モデル、一般的な自己監督型および半教師付きアプローチ、および将来のモデルの開発方法に関するいくつかの知見について、広範な実験と詳細な分析を行った。
  論文  参考訳（メタデータ） (2021-06-21T13:55:57Z)
• Recovery of Meteorites Using an Autonomous Drone and Machine Learning [3.3563930847025025]
  現場でドローンが撮影した画像から隕石を認識するために、さまざまな畳み込みニューラルネットワークの組み合わせをオフラインで展開する概念的隕石分類器について説明する。 このシステムは概念的なドローンで実装され、ネバダ州ウォーカー湖近くで最近落下した隕石の被疑地でテストされた。
  論文  参考訳（メタデータ） (2021-06-11T17:36:33Z)
• First Full-Event Reconstruction from Imaging Atmospheric Cherenkov Telescope Real Data with Deep Learning [55.41644538483948]
  チェレンコフ望遠鏡アレイは、地上のガンマ線天文学の未来である。 地上で作られた最初のプロトタイプ望遠鏡であるLarge Size Telescope 1は現在、最初の科学データを収集している。 我々は、深層畳み込みニューラルネットワークに基づくフルイベント再構築の開発とその実データへの適用を初めて提示する。
  論文  参考訳（メタデータ） (2021-05-31T12:51:42Z)

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。