論文の概要: Predicting urban tree cover from incomplete point labels and limited background information

• arxiv url: http://arxiv.org/abs/2311.11592v1
• Date: Mon, 20 Nov 2023 08:09:54 GMT
• ステータス: 処理完了
• システム内更新日: 2023-11-21 19:44:30.169467
• Title: Predicting urban tree cover from incomplete point labels and limited background information
• Title（参考訳）: 不完全点ラベルと限られた背景情報からの都市木被覆予測
• Authors: Hui Zhang, Ankit Kariryaa, Venkanna Babu Guthula, Christian Igel, Stefan Oehmcke
• Abstract要約: 都市内の樹木は、都市部の微気候にとって重要であり、都市住民の身体的および精神的な健康に肯定的に寄与する。 その重要性にもかかわらず、しばしば市木に関する限られた情報しか得られない。 本研究では,限られたデータセットと深層学習を用いた高解像度空中画像に都市木をマッピングする手法を提案する。
• 参考スコア（独自算出の注目度）: 8.540501469749993
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Trees inside cities are important for the urban microclimate, contributing positively to the physical and mental health of the urban dwellers. Despite their importance, often only limited information about city trees is available. Therefore in this paper, we propose a method for mapping urban trees in high-resolution aerial imagery using limited datasets and deep learning. Deep learning has become best-practice for this task, however, existing approaches rely on large and accurately labelled training datasets, which can be difficult and expensive to obtain. However, often noisy and incomplete data may be available that can be combined and utilized to solve more difficult tasks than those datasets were intended for. This paper studies how to combine accurate point labels of urban trees along streets with crowd-sourced annotations from an open geographic database to delineate city trees in remote sensing images, a task which is challenging even for humans. To that end, we perform semantic segmentation of very high resolution aerial imagery using a fully convolutional neural network. The main challenge is that our segmentation maps are sparsely annotated and incomplete. Small areas around the point labels of the street trees coming from official and crowd-sourced data are marked as foreground class. Crowd-sourced annotations of streets, buildings, etc. define the background class. Since the tree data is incomplete, we introduce a masking to avoid class confusion. Our experiments in Hamburg, Germany, showed that the system is able to produce tree cover maps, not limited to trees along streets, without providing tree delineations. We evaluated the method on manually labelled trees and show that performance drastically deteriorates if the open geographic database is not used.
• Abstract（参考訳）: 都市内の樹木は都市マイクロ気候にとって重要であり、都市住民の身体的および精神的健康に寄与している。 その重要性にもかかわらず、しばしば市木に関する限られた情報しか得られない。 そこで本稿では,限られたデータセットとディープラーニングを用いた高解像度空中画像の都市木マッピング手法を提案する。 しかし、既存のアプローチは大規模かつ正確にラベル付けされたトレーニングデータセットに依存しており、入手が困難でコストがかかる。 しかし、しばしば騒がしく不完全なデータが利用可能であり、これらのデータセットが意図していたよりも難しいタスクを組み合わせることで解決することができる。 本稿では,道路沿いの都市の木々の正確な点ラベルと,オープンジオグラフィックデータベースからのクラウドソースアノテーションを組み合わせることで,リモートセンシング画像における都市木を特徴付ける手法について検討する。 そこで我々は,完全畳み込みニューラルネットワークを用いて,超高解像度空中画像のセマンティックセグメンテーションを行う。 主な課題は、セグメンテーションマップがわずかに注釈付きで不完全であることです。 公式およびクラウドソースのデータから得られるストリートツリーのポイントラベルの周りの小さな部分は、フォアグラウンドクラスとしてマークされている。 通りや建物などのクラウドソースアノテーションは、バックグラウンドクラスを定義します。 ツリーデータは不完全であるため、クラス混乱を避けるためにマスキングを導入する。 ドイツのハンブルクで行なわれた実験で、このシステムは木質の地図を作成でき、道路沿いの木に限らず、木質の地図を作成できることがわかった。 本手法を手作業でラベル付けした木上で評価し,オープンジオグラフィックデータベースを用いなければ性能が劇的に低下することを示した。

関連論文リスト

• PureForest: A Large-Scale Aerial Lidar and Aerial Imagery Dataset for Tree Species Classification in Monospecific Forests [0.0]
  木種分類用に設計された大規模でオープンなマルチモーダルデータセットであるPureForestデータセットを提案する。 樹種分類のための現在の一般のLidarデータセットは、ほとんどの場合、数十ヘクタールの注釈付きヘクタールの小さな領域にしか達しないため、多様性が低い。 対照的に、PureForestは18の樹種を13のセマンティッククラスに分類し、449の異なる単種林に339 km$2$で分布する。
  論文  参考訳（メタデータ） (2024-04-18T10:23:10Z)
• Learning a Decision Tree Algorithm with Transformers [75.96920867382859]
  メタ学習によってトレーニングされたトランスフォーマーベースのモデルであるMetaTreeを導入し、強力な決定木を直接生成する。 我々は、多くのデータセットに欲求決定木とグローバルに最適化された決定木の両方を適合させ、MetaTreeを訓練して、強力な一般化性能を実現する木のみを生成する。
  論文  参考訳（メタデータ） (2024-02-06T07:40:53Z)
• Task Planning Support for Arborists and Foresters: Comparing Deep Learning Approaches for Tree Inventory and Tree Vitality Assessment Based on UAV-Data [0.8889304968879161]
  気候危機とそれに関連する長い干ばつが、都市や森林の樹木の健康を脅かしている。 本稿では,都市周辺の木々を気にする人々のタスクプランニングを改善するとともに,有用な情報を生成するオープンソースエンドツーエンドアプローチを提案する。 我々のアプローチは、都市公園や森林の樹木在庫を作成するために使用されるRGBおよびマルチスペクトルUAVデータに基づいている。 都市部における飛行ドローンに関するEUの規制により、多スペクトル衛星データと15の土壌水分センサーを使用して、木活力関連データを拡張する。
  論文  参考訳（メタデータ） (2023-07-04T11:15:27Z)
• State of the Art and Potentialities of Graph-level Learning [54.68482109186052]
  グラフレベルの学習は、比較、回帰、分類など、多くのタスクに適用されている。 グラフの集合を学習する伝統的なアプローチは、サブストラクチャのような手作りの特徴に依存している。 ディープラーニングは、機能を自動的に抽出し、グラフを低次元表現に符号化することで、グラフレベルの学習をグラフの規模に適応させるのに役立っている。
  論文  参考訳（メタデータ） (2023-01-14T09:15:49Z)
• Monitoring Urban Forests from Auto-Generated Segmentation Maps [16.520025438843433]
  本研究では, リモートセンシングデータに基づいて, 都市林の分布を定量化するための弱監督手法を提案する。 概念実証として、ニューヨーク市コニーアイランド(ニューヨーク市)の都市林に対するハリケーン・サンディの影響を察知し、ニューヨーク市ブルックリン区の都市空間に対する影響の少ないことを言及する。
  論文  参考訳（メタデータ） (2022-06-14T16:06:58Z)
• Automatic Quantification and Visualization of Street Trees [29.343663350855522]
  この研究はまず、道端の木を数えるために慎重に設計されたデータ収集のセットアップを説明します。 次に,木を頑健に検出・定量化することを目的とした,ユニークなアノテーション手法について述べる。 本稿では,現在のオブジェクト検出手法と,新しい単純なカウントアルゴリズムを用いて,ストリートツリーの検出,カウント,可視化を行うフレームワークを提案する。
  論文  参考訳（メタデータ） (2022-01-17T18:44:46Z)
• SensatUrban: Learning Semantics from Urban-Scale Photogrammetric Point Clouds [52.624157840253204]
  センサットウルバン(SensatUrban)は、イギリスの3都市から収集された7.6km2の30億点近くからなる、都市規模のUAV測光点クラウドデータセットである。 データセットの各ポイントは、粒度の細かいセマンティックアノテーションでラベル付けされ、その結果、既存の最大のフォトグラムポイントクラウドデータセットの3倍の大きさのデータセットが生成される。
  論文  参考訳（メタデータ） (2022-01-12T14:48:11Z)
• Towards Semantic Segmentation of Urban-Scale 3D Point Clouds: A Dataset, Benchmarks and Challenges [52.624157840253204]
  我々は、30億点近い注釈付きポイントを持つ都市規模の測光点クラウドデータセットを提示する。 私たちのデータセットは、イギリスの3つの都市からなり、都市の景観の約7.6km2をカバーしています。 我々は,データセット上での最先端アルゴリズムの性能を評価し,その結果を包括的に分析する。
  論文  参考訳（メタデータ） (2020-09-07T14:47:07Z)
• Hidden Footprints: Learning Contextual Walkability from 3D Human Trails [70.01257397390361]
  現在のデータセットは、人々がどこにいるか、どこにいるかを教えてくれません。 まず、画像間で人の観察を伝播させ、3D情報を利用して、私たちが「隠れ足跡」と呼ぶものを作成することで、有効なラベル付き歩行可能領域の集合を拡大する。 このようなスパースラベルのために設計されたトレーニング戦略を考案し、クラスバランスの分類損失と文脈逆転損失を組み合わせた。
  論文  参考訳（メタデータ） (2020-08-19T23:19:08Z)
• Weakly-Supervised Salient Object Detection via Scribble Annotations [54.40518383782725]
  本稿では,スクリブルラベルからサリエンシを学習するための弱教師付きサリエント物体検出モデルを提案する。 そこで本研究では,予測されたサリエンシマップの構造アライメントを測定するために,新しい尺度であるサリエンシ構造尺度を提案する。 我々の手法は、既存の弱教師付き/非教師付き手法よりも優れているだけでなく、いくつかの完全教師付き最先端モデルと同等である。
  論文  参考訳（メタデータ） (2020-03-17T12:59:50Z)
• Geocoding of trees from street addresses and street-level images [24.114405100879278]
  街路面パノラマ画像を用いた地理座標を用いた古木在庫の更新手法を提案する。 本手法は, 古い在庫を地理的座標で再現し, 新たな在庫と接続し, 樹木の枯死等に関する長期研究を容易にする。
  論文  参考訳（メタデータ） (2020-02-05T10:13:43Z)

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。