論文の概要: Benchmarking Individual Tree Mapping with Sub-meter Imagery
- arxiv url: http://arxiv.org/abs/2311.07981v1
- Date: Tue, 14 Nov 2023 08:21:36 GMT
- ステータス: 処理完了
- システム内更新日: 2023-11-15 15:06:13.113955
- Title: Benchmarking Individual Tree Mapping with Sub-meter Imagery
- Title(参考訳): サブメートル画像を用いた個別ツリーマッピングのベンチマーク
- Authors: Dimitri Gominski, Ankit Kariryaa, Martin Brandt, Christian Igel,
Sizhuo Li, Maurice Mugabowindekwe, Rasmus Fensholt
- Abstract要約: 我々は,任意の物理的環境において,個々の木マッピングに適した評価フレームワークを提案する。
異なるアプローチと深いアーキテクチャをレビューし比較し、セグメンテーションと検出のよい妥協であることを示す新しい手法を実験的に導入する。
- 参考スコア(独自算出の注目度): 6.907098367807166
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: There is a rising interest in mapping trees using satellite or aerial
imagery, but there is no standardized evaluation protocol for comparing and
enhancing methods. In dense canopy areas, the high variability of tree sizes
and their spatial proximity makes it arduous to define the quality of the
predictions. Concurrently, object-centric approaches such as bounding box
detection usuallyperform poorly on small and dense objects. It thus remains
unclear what is the ideal framework for individual tree mapping, in regards to
detection and segmentation approaches, convolutional neural networks and
transformers. In this paper, we introduce an evaluation framework suited for
individual tree mapping in any physical environment, with annotation costs and
applicative goals in mind. We review and compare different approaches and deep
architectures, and introduce a new method that we experimentally prove to be a
good compromise between segmentation and detection.
- Abstract(参考訳): 衛星画像や空中画像を用いた木図作成への関心は高まっているが, 比較・拡張のための標準化された評価プロトコルは存在しない。
密林地帯では,木の大きさとその空間的近接性が高いため,予測の質を定義することは困難である。
同時に、バウンディングボックス検出のようなオブジェクト中心のアプローチは、通常、小さくて密度の高いオブジェクトに対して不十分に機能する。
したがって、検出とセグメンテーションアプローチ、畳み込みニューラルネットワーク、トランスフォーマーに関して、個々のツリーマッピングの理想的なフレームワークは、まだ不明である。
本稿では,アノテーションコストと適用目標を念頭に置いて,任意の物理環境における個々のツリーマッピングに適した評価フレームワークを提案する。
異なるアプローチとディープアーキテクチャをレビュー・比較し、セグメンテーションと検出の間に良い妥協点があることを実験的に証明する新しい手法を提案する。
関連論文リスト
- ViTree: Single-path Neural Tree for Step-wise Interpretable Fine-grained
Visual Categorization [56.37520969273242]
細かな視覚分類のための新しいアプローチであるViTreeを紹介する。
ツリーパスをトラバースすることで、ViTreeは変換処理された機能からパッチを効果的に選択し、情報のあるローカルリージョンをハイライトする。
このパッチとパスの選択性は、ViTreeのモデルの解釈可能性を高め、モデルの内部動作に関するより良い洞察を可能にする。
論文 参考訳(メタデータ) (2024-01-30T14:32:25Z) - Hierarchical clustering with dot products recovers hidden tree structure [53.68551192799585]
本稿では,階層構造の回復に着目した凝集クラスタリングアルゴリズムの新しい視点を提案する。
クラスタを最大平均点積でマージし、例えば最小距離やクラスタ内分散でマージしないような、標準的なアルゴリズムの単純な変種を推奨する。
このアルゴリズムにより得られた木は、汎用確率的グラフィカルモデルの下で、データ中の生成的階層構造をボナフェイド推定することを示した。
論文 参考訳(メタデータ) (2023-05-24T11:05:12Z) - Occlusion Reasoning for Skeleton Extraction of Self-Occluded Tree
Canopies [5.368313160283353]
ツリースケルトンは、トポロジカル構造をコンパクトに記述し、有用な情報を含む。
本手法では, 可視幹, 枝, かつらを検出するために, インスタンスセグメンテーションネットワークを用いる。
本手法は,高度に隠蔽されたシーンにおいて,ベースライン法よりも優れた性能を示す。
論文 参考訳(メタデータ) (2023-01-20T01:46:07Z) - Tree Reconstruction using Topology Optimisation [0.685316573653194]
本稿では,点雲データから木の枝構造を抽出する一般的な手法を提案する。
本稿では,木構造復元における新しいアプローチの利点と欠点について論じる。
本手法は,ほとんどの場合,詳細かつ正確な木構造を生成する。
論文 参考訳(メタデータ) (2022-05-26T07:08:32Z) - Comparative Study Between Distance Measures On Supervised Optimum-Path
Forest Classification [0.0]
Optimum-Path Forest (OPF) はグラフベースの方法論と距離測度を使ってノード間の弧を作り、そのため木の集合を作る。
本研究は,オプティカム・パス林の森林分類に応用された広範囲な距離測定に関する比較研究を提案する。
論文 参考訳(メタデータ) (2022-02-08T13:34:09Z) - Triggering Failures: Out-Of-Distribution detection by learning from
local adversarial attacks in Semantic Segmentation [76.2621758731288]
セグメンテーションにおけるアウト・オブ・ディストリビューション(OOD)オブジェクトの検出に取り組む。
私たちの主な貢献は、ObsNetと呼ばれる新しいOOD検出アーキテクチャであり、ローカル・アタック(LAA)に基づく専用トレーニングスキームと関連付けられています。
3つの異なるデータセットの文献の最近の10つの手法と比較して,速度と精度の両面で最高の性能が得られることを示す。
論文 参考訳(メタデータ) (2021-08-03T17:09:56Z) - Instance segmentation of fallen trees in aerial color infrared imagery
using active multi-contour evolution with fully convolutional network-based
intensity priors [0.5276232626689566]
画像のセグメンテーションマップ上での複数のアクティブな輪郭進化により、共通オブジェクトクラスのインスタンスをセグメンテーションするフレームワークを導入する。
高分解能空中多スペクトル画像から個々の落下茎を分割する文脈で提案されたフレームワークをインスタンス化する。
論文 参考訳(メタデータ) (2021-05-05T11:54:05Z) - Rethinking Learnable Tree Filter for Generic Feature Transform [71.77463476808585]
Learnable Tree Filterはセマンティックセグメンテーションのためのモデル構造保存関係に対する顕著なアプローチを示す。
幾何学的制約を緩和するために,マルコフ確率場として再構成して解析を行い,学習可能な不定項を導入する。
セマンティックセグメンテーションでは、ベルとホイッスルなしでCityscapesベンチマークでトップパフォーマンス(82.1% mIoU)を達成しています。
論文 参考訳(メタデータ) (2020-12-07T07:16:47Z) - TopNet: Topology Preserving Metric Learning for Vessel Tree
Reconstruction and Labelling [22.53041565779104]
本稿では,容器木再構築のための新しいディープラーニングアーキテクチャを提案する。
ネットワークアーキテクチャは、同時に、血管中心線(すなわちノード)上のボクセルを検出するタスクを解決し、再建すべきツリー構造における中心ボクセル(エッジ)間の接続性を推定する。
パブリックIRCADデータセットの徹底的な評価は,提案手法が既存のセマンティックセグメンテーション法よりもかなり優れていることを示している。
論文 参考訳(メタデータ) (2020-09-18T07:55:58Z) - MurTree: Optimal Classification Trees via Dynamic Programming and Search [61.817059565926336]
動的プログラミングと探索に基づいて最適な分類木を学習するための新しいアルゴリズムを提案する。
当社のアプローチでは,最先端技術が必要とする時間のごく一部しか使用せず,数万のインスタンスでデータセットを処理することが可能です。
論文 参考訳(メタデータ) (2020-07-24T17:06:55Z) - Rethinking Localization Map: Towards Accurate Object Perception with
Self-Enhancement Maps [78.2581910688094]
本研究は, カテゴリーラベルのみを監督として, 正確な対象位置分布マップと対象境界を抽出する, 新たな自己強調手法を提案する。
特に、提案されたセルフエンハンスメントマップは、ILSVRC上で54.88%の最先端のローカライゼーション精度を達成する。
論文 参考訳(メタデータ) (2020-06-09T12:35:55Z)
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。