論文の概要: Semantic segmentation of longitudinal thermal images for identification
of hot and cool spots in urban areas
- arxiv url: http://arxiv.org/abs/2310.04247v1
- Date: Fri, 6 Oct 2023 13:41:39 GMT
- ステータス: 処理完了
- システム内更新日: 2023-10-09 16:06:59.954917
- Title: Semantic segmentation of longitudinal thermal images for identification
of hot and cool spots in urban areas
- Title（参考訳）: 都市におけるホットスポットとクールスポットの識別のための縦断熱画像の意味セグメンテーション
- Authors: Vasantha Ramani, Pandarasamy Arjunan, Kameshwar Poolla and Clayton
Miller
- Abstract要約: 本研究は,都市部におけるホットスポットとクールスポットを識別するために,近隣スケールで収集したセマンティック・セグメンテーション・縦・空間的にリッチな熱画像の解析を行う。
サーマルイメージデータセットのサブセットを使用して、最先端のディープラーニングモデルをトレーニングし、さまざまな都市の特徴を抽出した。
- 参考スコア（独自算出の注目度）: 1.124958340749622
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: This work presents the analysis of semantically segmented, longitudinally,
and spatially rich thermal images collected at the neighborhood scale to
identify hot and cool spots in urban areas. An infrared observatory was
operated over a few months to collect thermal images of different types of
buildings on the educational campus of the National University of Singapore. A
subset of the thermal image dataset was used to train state-of-the-art deep
learning models to segment various urban features such as buildings,
vegetation, sky, and roads. It was observed that the U-Net segmentation model
with `resnet34' CNN backbone has the highest mIoU score of 0.99 on the test
dataset, compared to other models such as DeepLabV3, DeeplabV3+, FPN, and
PSPnet. The masks generated using the segmentation models were then used to
extract the temperature from thermal images and correct for differences in the
emissivity of various urban features. Further, various statistical measure of
the temperature extracted using the predicted segmentation masks is shown to
closely match the temperature extracted using the ground truth masks. Finally,
the masks were used to identify hot and cool spots in the urban feature at
various instances of time. This forms one of the very few studies demonstrating
the automated analysis of thermal images, which can be of potential use to
urban planners for devising mitigation strategies for reducing the urban heat
island (UHI) effect, improving building energy efficiency, and maximizing
outdoor thermal comfort.
- Abstract（参考訳）: 本研究は,都市部におけるホットスポットとクールスポットを特定するために,近隣のスケールで収集したセマンティックセグメンテーション,縦,空間的にリッチな熱画像の解析を行う。
シンガポール国立大学教育キャンパスの様々な建物の熱画像を集めるために、数ヶ月にわたって赤外線観測所が運営された。
熱画像データセットのサブセットは、最先端のディープラーニングモデルのトレーニングに使われ、建物、植生、空、道路など、さまざまな都市の特徴を分割した。
CNNバックボーンを持つU-Netセグメンテーションモデルは、DeepLabV3、DeeplabV3+、FPN、PSPnetといった他のモデルと比較して、テストデータセット上で最もmIoUスコアが0.99であることがわかった。
次に, セグメンテーションモデルを用いて生成したマスクを用いて, 熱画像から温度を抽出し, 様々な都市特性の放射率差を補正した。
さらに、予測セグメンテーションマスクを用いて抽出した温度の様々な統計的測定値を示し、地上の真理マスクを用いて抽出した温度と密に一致した。
最後に、マスクは都市の特徴のホットスポットとクールスポットを様々な場面で識別するために使用された。
これは、都市熱島(UHI)効果の低減、建設エネルギー効率の向上、屋外熱快適性を最大化するための緩和戦略を考案する都市計画家にとって潜在的に有用である、熱画像の自動解析を実証する数少ない研究の1つである。
関連論文リスト
- T-FAKE: Synthesizing Thermal Images for Facial Landmarking [8.20594611891252]
スパースと密集したランドマークを持つ新しい大規模合成熱データセットであるT-FAKEデータセットを紹介する。
我々のモデルは、スパース70点のランドマークと密度478点のランドマークアノテーションの両方で優れた性能を示している。
論文 参考訳（メタデータ） (2024-08-27T15:07:58Z) - District-scale surface temperatures generated from high-resolution
longitudinal thermal infrared images [1.3680120601947403]
データセットには、平均して10秒間隔で収集された1,365,921枚の熱画像が含まれている。
マルチモーダルプラットフォームを備えた屋上赤外線サーモグラフィ観測所がシンガポールに配備された。
論文 参考訳（メタデータ） (2023-05-03T08:36:06Z) - InfraRed Investigation in Singapore (IRIS) Observatory: Urban heat
island contributors and mitigators analysis using neighborhood-scale thermal
imaging [0.05231822342100303]
本稿では, 都市ヒートアイランドのコントリビュータおよび緩和剤からの熱フラックスを, 熱画像と気象データを用いて検討する。
屋上観測所が収集した熱画像によると、夜間に放射される長波により、コンクリートの壁は都市熱島に重要な役割を果たしている。
一方, 植生は蒸発散によって生じる潜熱流束のため, 有効な除草剤であると考えられる。
論文 参考訳（メタデータ） (2022-10-21T01:21:50Z) - A Novel Fully Annotated Thermal Infrared Face Dataset: Recorded in
Various Environment Conditions and Distances From The Camera [3.2872586139884623]
本稿では,シャーロット・サーマルフェイス(Charlotte-ThermalFace)と呼ぶ顔サーモグラフィに関する新しいデータセットについて述べる。
シャーロット・サーマルフェイスは、様々な熱条件、カメラからの距離、異なる頭部位置において、100000以上の赤外線熱画像を含んでいる。
データは、顔のランドマーク、周囲の温度、相対湿度、部屋の空気速度、カメラの距離、各画像の撮影時の熱感で完全に注釈付けされている。
論文 参考訳（メタデータ） (2022-04-29T17:57:54Z) - Maximizing Self-supervision from Thermal Image for Effective
Self-supervised Learning of Depth and Ego-motion [78.19156040783061]
熱画像からの深度とエゴモーションの自己教師付き学習は、困難なシナリオ下で強い堅牢性と信頼性を示す。
弱いコントラスト、ぼやけたエッジ、ノイズなどの固有の熱画像特性は、熱画像から効果的な自己スーパービジョンを生成するために障害となる。
本研究では,時間的一貫性を維持しつつ,全体構造,コントラスト,詳細などの画像情報を大幅に向上させる有効熱画像マッピング手法を提案する。
論文 参考訳（メタデータ） (2022-01-12T09:49:24Z) - A Synthesis-Based Approach for Thermal-to-Visible Face Verification [105.63410428506536]
本稿では,ARL-VTFおよびTUFTSマルチスペクトル顔データセット上での最先端性能を実現するアルゴリズムを提案する。
MILAB-VTF(B)も提案する。
論文 参考訳（メタデータ） (2021-08-21T17:59:56Z) - A Large-Scale, Time-Synchronized Visible and Thermal Face Dataset [62.193924313292875]
DEVCOM Army Research Laboratory Visible-Thermal Faceデータセット(ARL-VTF)を発表します。
395人の被験者から50万枚以上の画像が得られたARL-VTFデータセットは、これまでで最大の可視画像とサーマルフェイス画像の収集データだ。
本論文では,ALL-VTFデータセットを用いたサーマルフェースランドマーク検出とサーマル・トゥ・ヴィジブルフェース検証のベンチマーク結果と分析について述べる。
論文 参考訳（メタデータ） (2021-01-07T17:17:12Z) - Exploring Thermal Images for Object Detection in Underexposure Regions
for Autonomous Driving [67.69430435482127]
アンダーエクスポージャー地域は、安全な自動運転のための周囲の完全な認識を構築するのに不可欠である。
サーマルカメラが利用可能になったことで、他の光学センサーが解釈可能な信号を捉えていない地域を探索するための重要な代替手段となった。
本研究は,可視光画像から熱画像へ学習を伝達するためのスタイル伝達手法を用いたドメイン適応フレームワークを提案する。
論文 参考訳（メタデータ） (2020-06-01T09:59:09Z) - Multi-Scale Thermal to Visible Face Verification via Attribute Guided
Synthesis [55.29770222566124]
可視画像から抽出した属性を用いて、熱画像から属性保存された可視画像を合成し、クロスモーダルマッチングを行う。
抽出した属性によって導かれる熱画像から可視像を合成するために, 新規なマルチスケールジェネレータを提案する。
事前訓練されたVGG-Faceネットワークを利用して、合成画像と入力可視画像から特徴を抽出し、検証を行う。
論文 参考訳（メタデータ） (2020-04-20T01:45:05Z) - A Transfer Learning approach to Heatmap Regression for Action Unit
intensity estimation [50.261472059743845]
アクション・ユニット(英: Action Units、AUs)は、幾何学に基づく原子性顔面筋運動である。
本稿では,その位置と強度を共同で推定する新しいAUモデリング問題を提案する。
ヒートマップは、所定の空間的位置でAUが発生するか否かをモデル化する。
論文 参考訳（メタデータ） (2020-04-14T16:51:13Z)
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。