論文の概要: A Framework of Landsat-8 Band Selection based on UMDA for Deforestation
Detection
- arxiv url: http://arxiv.org/abs/2311.10513v1
- Date: Fri, 17 Nov 2023 13:34:58 GMT
- ステータス: 処理完了
- システム内更新日: 2023-11-20 14:44:40.680667
- Title: A Framework of Landsat-8 Band Selection based on UMDA for Deforestation
Detection
- Title(参考訳): 森林破壊検出のためのUMDAに基づくランドサット8帯選択フレームワーク
- Authors: Eduardo B. Neto, Paulo R. C. Pedro, Alvaro Fazenda, Fabio A. Faria
- Abstract要約: 本研究では、分布推定アルゴリズム(UMDA)を用いてランドサット8からスペクトル帯域を抽出し、森林破壊領域をよりよく表現する新しいフレームワークを提案する。
実験では、セグメント分類タスクにおいて90%以上の精度でバランスのとれた複数の組成を見つけることができた。
- 参考スコア(独自算出の注目度): 1.3654846342364308
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: The conservation of tropical forests is a current subject of social and
ecological relevance due to their crucial role in the global ecosystem.
Unfortunately, millions of hectares are deforested and degraded each year.
Therefore, government or private initiatives are needed for monitoring tropical
forests. In this sense, this work proposes a novel framework, which uses of
distribution estimation algorithm (UMDA) to select spectral bands from
Landsat-8 that yield a better representation of deforestation areas to guide a
semantic segmentation architecture called DeepLabv3+. In performed experiments,
it was possible to find several compositions that reach balanced accuracy
superior to 90% in segment classification tasks. Furthermore, the best
composition (651) found by UMDA algorithm fed the DeepLabv3+ architecture and
surpassed in efficiency and effectiveness all compositions compared in this
work.
- Abstract(参考訳): 熱帯林の保全は、地球生態系において重要な役割を担っているため、現在の社会的・生態学的関係の主題となっている。
残念ながら、毎年数百万ヘクタールが森林伐採され劣化している。
そのため、熱帯林のモニタリングには政府や民間の取り組みが必要である。
そこで本研究では, 分布推定アルゴリズム(umda)を用いてランドサット-8からスペクトル帯域を抽出し, 森林破壊領域の表現を改善し, deeplabv3+ と呼ばれる意味セグメンテーションアーキテクチャを導く新しい枠組みを提案する。
実験では、セグメント分類タスクにおいて90%以上の精度でバランスのとれた複数の組成を見つけることができた。
さらに、UMDAアルゴリズムが発見したベストコンポジション(651)はDeepLabv3+アーキテクチャを供給し、この研究で比較したすべてのコンポジションの効率と有効性を上回った。
関連論文リスト
- Detection and Geographic Localization of Natural Objects in the Wild: A Case Study on Palms [13.350975037304194]
PRISM (Processing, Inference, and Mapping) は高密度熱帯林におけるヤシの検出と位置決定のための柔軟なパイプラインである。
まず,8,830個の箱と5,026個のヤシ中心点をアノテートした,エクアドル西部の21の生態学的に多様な場所に,UAV由来の大規模なオルソモザイクデータセットを構築した。
第2に、ゼロショットSAM2をセグメンテーションバックボーンとして統合し、効率と性能に基づいて複数の最先端物体検出器を評価し、第3に、信頼性スコアをIoUと整合させ、sを探索するキャリブレーション手法を適用した。
論文 参考訳(メタデータ) (2025-02-18T16:43:11Z) - Real-Time Localization and Bimodal Point Pattern Analysis of Palms Using UAV Imagery [13.085752393960886]
リアルタイム検出,セグメンテーション,およびカノピーヤシのカウントのためのディープラーニングフレームワークであるPalmDSNetを紹介する。
エクアドル西部の熱帯林21ヶ所からUAVキャプチャー画像を用いてオルソモザイクを作成する。
画像パッチ上の7,356のバウンディングボックスと5つの整形外科領域にわたる7,603のヤシセンターを含む、包括的なデータセットを作成するために専門家アノテーションが使用された。
論文 参考訳(メタデータ) (2024-10-14T22:23:10Z) - A Satellite Band Selection Framework for Amazon Forest Deforestation Detection Task [0.5825410941577593]
森林伐採と伐採は年間数百万ヘクタールに影響を及ぼし、効果的な森林モニタリングのために政府や民間のイニシアチブを必要としている。
本研究では,Univariate Marginal Distribution Algorithm (UMDA) を用いてLandsat-8衛星からスペクトル帯域を選択する手法を提案する。
この選択はセマンティックセグメンテーションアーキテクチャであるDeepLabv3+をガイドし、パフォーマンスを向上させる。
論文 参考訳(メタデータ) (2024-04-03T11:47:20Z) - Automated forest inventory: analysis of high-density airborne LiDAR
point clouds with 3D deep learning [16.071397465972893]
ForAINetは多様な森林タイプや地理的地域をまたいでセグメンテーションを行うことができる。
システムは、調査ドローンを使用して5つの国で取得されたポイントクラウドのデータセットであるFor-Instanceでテストされている。
論文 参考訳(メタデータ) (2023-12-22T21:54:35Z) - ForensicsForest Family: A Series of Multi-scale Hierarchical Cascade Forests for Detecting GAN-generated Faces [53.739014757621376]
我々は,GAN生成顔を検出するために,EmforensicsForest Familyと呼ばれる簡易かつ効果的な森林法について述べる。
ForenscisForestは、新しく提案された多層階層のカスケード林である。
Hybrid ForensicsForestはCNNレイヤをモデルに統合する。
Divide-and-Conquer ForensicsForestは、トレーニングサンプリングの一部のみを使用して、森林モデルを構築することができる。
論文 参考訳(メタデータ) (2023-08-02T06:41:19Z) - 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) - Global Hierarchical Attention for 3D Point Cloud Analysis [88.56041763189162]
我々は,GHA(Global Hierarchical Attention)と呼ばれる3Dポイントクラウド解析のための新しい注意機構を提案する。
セマンティックセグメンテーションのタスクでは、GHAはScanNet上のMinkowskiEngineベースラインに+1.7%のmIoU増加を与える。
3Dオブジェクト検出タスクでは、GHAはnuScenesデータセット上でCenterPointベースラインを+0.5%mAP改善する。
論文 参考訳(メタデータ) (2022-08-07T19:16:30Z) - Jalisco's multiclass land cover analysis and classification using a
novel lightweight convnet with real-world multispectral and relief data [51.715517570634994]
本稿では、LC分類と解析を行うために、新しい軽量(89kパラメータのみ)畳み込みニューラルネットワーク(ConvNet)を提案する。
本研究では,実世界のオープンデータソースを3つ組み合わせて13のチャネルを得る。
組込み分析は、いくつかのクラスにおいて限られたパフォーマンスを期待し、最も類似したクラスをグループ化する機会を与えてくれます。
論文 参考訳(メタデータ) (2022-01-26T14:58:51Z) - Country-wide Retrieval of Forest Structure From Optical and SAR
Satellite Imagery With Bayesian Deep Learning [74.94436509364554]
本研究では,10mの解像度で森林構造変数を高密度に推定するベイズ深層学習手法を提案する。
本手法は,Sentinel-2光画像とSentinel-1合成開口レーダ画像を5種類の森林構造変数のマップに変換する。
ノルウェーを横断する41の空中レーザー走査ミッションの基準データに基づいて、我々のモデルを訓練し、テストする。
論文 参考訳(メタデータ) (2021-11-25T16:21:28Z) - Domain Adaptive Semantic Segmentation with Self-Supervised Depth
Estimation [84.34227665232281]
セマンティックセグメンテーションのためのドメイン適応は、ソースとターゲットドメイン間の分散シフトの存在下でモデルのパフォーマンスを向上させることを目的とする。
ドメイン間のギャップを埋めるために、両ドメインで利用可能な自己教師付き深さ推定からのガイダンスを活用します。
提案手法のベンチマークタスクSYNTHIA-to-CityscapesとGTA-to-Cityscapesの有効性を実証する。
論文 参考訳(メタデータ) (2021-04-28T07:47:36Z)
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。