論文の概要: OpenForest: A data catalogue for machine learning in forest monitoring
- arxiv url: http://arxiv.org/abs/2311.00277v1
- Date: Wed, 1 Nov 2023 03:59:20 GMT
- ステータス: 処理完了
- システム内更新日: 2023-11-02 14:55:56.164072
- Title: OpenForest: A data catalogue for machine learning in forest monitoring
- Title（参考訳）: OpenForest:森林モニタリングにおける機械学習のためのデータカタログ
- Authors: Arthur Ouaknine, Teja Kattenborn, Etienne Lalibert\'e, David Rolnick
- Abstract要約: 森林モニタリングの促進は、人間の影響を緩和し、森林構成の理解を深める上での利点である。
空間規模で86のオープンアクセス森林データセットについて概説する。
これらのデータセットは、コントリビューションにオープンな動的カタログであるOpenForestにグループ化されている。
- 参考スコア（独自算出の注目度）: 22.94664416295411
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Forests play a crucial role in Earth's system processes and provide a suite
of social and economic ecosystem services, but are significantly impacted by
human activities, leading to a pronounced disruption of the equilibrium within
ecosystems. Advancing forest monitoring worldwide offers advantages in
mitigating human impacts and enhancing our comprehension of forest composition,
alongside the effects of climate change. While statistical modeling has
traditionally found applications in forest biology, recent strides in machine
learning and computer vision have reached important milestones using remote
sensing data, such as tree species identification, tree crown segmentation and
forest biomass assessments. For this, the significance of open access data
remains essential in enhancing such data-driven algorithms and methodologies.
Here, we provide a comprehensive and extensive overview of 86 open access
forest datasets across spatial scales, encompassing inventories, ground-based,
aerial-based, satellite-based recordings, and country or world maps. These
datasets are grouped in OpenForest, a dynamic catalogue open to contributions
that strives to reference all available open access forest datasets. Moreover,
in the context of these datasets, we aim to inspire research in machine
learning applied to forest biology by establishing connections between
contemporary topics, perspectives and challenges inherent in both domains. We
hope to encourage collaborations among scientists, fostering the sharing and
exploration of diverse datasets through the application of machine learning
methods for large-scale forest monitoring. OpenForest is available at this url:
https://github.com/RolnickLab/OpenForest
- Abstract（参考訳）: 森林は地球のシステムプロセスにおいて重要な役割を担い、社会と経済の生態系の一連のサービスを提供しているが、人間の活動に大きく影響され、生態系内の均衡が著しく崩壊する。
世界規模での森林モニタリングの進歩は、気候変動の影響とともに、人的影響の緩和と森林構成の理解の強化に利点をもたらす。
統計モデリングは伝統的に森林生物学に応用されてきたが、最近の機械学習とコンピュータビジョンの進歩は、樹種識別、樹冠分割、森林バイオマス評価などのリモートセンシングデータを用いて重要なマイルストーンに達した。
そのため、オープンアクセスデータの重要さは、このようなデータ駆動型アルゴリズムと方法論の強化に不可欠である。
ここでは,86のオープンアクセスフォレストデータセットを包括的かつ広範囲に概観し,目録,地上情報,航空情報,衛星データ,国・世界地図について概観する。
これらのデータセットは、すべての利用可能なオープンアクセスフォレストデータセットを参照しようとするコントリビューションにオープンな動的カタログであるOpenForestにグループ化されている。
さらに,これらのデータセットの文脈において,両領域に固有のトピック,視点,課題の関連性を確立することにより,森林生物学に応用された機械学習の研究を刺激することを目的とする。
大規模森林モニタリングへの機械学習手法の適用を通じて、科学者間のコラボレーションを奨励し、多様なデータセットの共有と探索を促進したいと考えています。
OpenForest はこの url で利用可能である。
関連論文リスト
- A Deep Learning-Based Approach for Mangrove Monitoring [0.0]
本研究は,マングローブセグメンテーションの課題における最近のディープラーニングモデルの包括的評価を提供する。
我々はまず,Global Mangrove WatchのmangroveアノテーションとSentinel-2の衛星画像を組み合わせた,オープンソースの新しいデータセットMagSet-2を紹介し,公開する。
次に、生成されたデータセットを使用して、3つのアーキテクチャグループ、すなわち畳み込み、トランスフォーマー、mambaモデルをベンチマークします。
論文 参考訳（メタデータ） (2024-10-07T19:22:08Z) - Planted: a dataset for planted forest identification from multi-satellite time series [23.822292894884427]
森林プランテーションの認識のための5つの公共衛星のデータと,世界中の植林木種のデータからなるデータセットについて述べる。
PlantDという名前のデータセットには、41か国に分布する64種の木ラベルクラス(46属40種)の2M以上のサンプルが含まれている。
論文 参考訳（メタデータ） (2024-05-24T15:49:00Z) - Training point-based deep learning networks for forest segmentation with synthetic data [0.0]
我々は,人工林のシーンを手続き的に生成する現実的なシミュレータを開発した。
森林分断のための最先端の深層学習ネットワークの比較研究を行った。
論文 参考訳（メタデータ） (2024-03-21T04:01:26Z) - Forest Inspection Dataset for Aerial Semantic Segmentation and Depth
Estimation [6.635604919499181]
森林調査のための大規模航空データセットを新たに導入する。
現実世界と仮想的な自然環境の記録も含んでいる。
地域の森林破壊度を評価するための枠組みを開発する。
論文 参考訳（メタデータ） (2024-03-11T11:26:44Z) - FoMo-Bench: a multi-modal, multi-scale and multi-task Forest Monitoring Benchmark for remote sensing foundation models [24.141443217910986]
第1回森林モニタリングベンチマーク(FoMo-Bench)について紹介する。
FoMo-Benchは、衛星、航空、在庫データを含む15の多様なデータセットで構成されている。
FoMo-Benchで表されるタスクや地理の多様性をさらに高めるため、我々は新しいグローバルデータセットであるTalloSを紹介した。
論文 参考訳（メタデータ） (2023-12-15T09:49:21Z) - SatBird: Bird Species Distribution Modeling with Remote Sensing and
Citizen Science Data [68.2366021016172]
本稿では,市民科学データベース eBird の観測データから得られたラベルを用いた,米国内の位置情報のサテライトデータセットである SatBird について述べる。
ケニアでは低データのレシエーションを表すデータセットも提供しています。
リモートセンシングタスクのためのSOTAモデルを含む、データセットのベースラインセットをベンチマークします。
論文 参考訳（メタデータ） (2023-11-02T02:00:27Z) - Reinforcement Learning Based Multi-modal Feature Fusion Network for
Novel Class Discovery [47.28191501836041]
本稿では,人間の認知過程をシミュレートするために強化学習フレームワークを用いる。
また,マルチモーダル情報から特徴を抽出・融合するマルチエージェントフレームワークをデプロイした。
我々は、OS-MN40、OS-MN40-Miss、Cifar10データセットを用いて、3Dドメインと2Dドメインの両方でのアプローチの性能を示す。
論文 参考訳（メタデータ） (2023-08-26T07:55:32Z) - Synthetic-to-Real Domain Adaptation for Action Recognition: A Dataset and Baseline Performances [76.34037366117234]
ロボット制御ジェスチャー(RoCoG-v2)と呼ばれる新しいデータセットを導入する。
データセットは7つのジェスチャークラスの実ビデオと合成ビデオの両方で構成されている。
我々は,最先端の行動認識とドメイン適応アルゴリズムを用いて結果を示す。
論文 参考訳（メタデータ） (2023-03-17T23:23:55Z) - A General Purpose Neural Architecture for Geospatial Systems [142.43454584836812]
本稿では,空間的帰納バイアスを持つ汎用ニューラルアーキテクチャ(GPNA)の構築に向けたロードマップを示す。
このようなモデルがコミュニティのメンバー間の協力をいかに促進するかを考察する。
論文 参考訳（メタデータ） (2022-11-04T09:58:57Z) - Neuroevolution-based Classifiers for Deforestation Detection in Tropical
Forests [62.997667081978825]
森林破壊や荒廃により、毎年何百万ヘクタールもの熱帯林が失われる。
監視・森林破壊検知プログラムは、犯罪者の予防・処罰のための公共政策に加えて、使用されている。
本稿では,熱帯林の森林破壊検出作業におけるニューロ進化技術(NEAT)に基づくパターン分類器の利用を提案する。
論文 参考訳（メタデータ） (2022-08-23T16:04:12Z) - Seeing biodiversity: perspectives in machine learning for wildlife
conservation [49.15793025634011]
機械学習は、野生生物種の理解、モニタリング能力、保存性を高めるために、この分析的な課題を満たすことができると我々は主張する。
本質的に、新しい機械学習アプローチとエコロジー分野の知識を組み合わせることで、動物生態学者は現代のセンサー技術が生み出すデータの豊富さを生かすことができる。
論文 参考訳（メタデータ） (2021-10-25T13:40:36Z)
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。