論文の概要: Mapping "Brain Terrain" Regions on Mars using Deep Learning

• arxiv url: http://arxiv.org/abs/2311.12292v2
• Date: Fri, 9 Aug 2024 14:50:59 GMT
• ステータス: 処理完了
• システム内更新日: 2024-08-12 20:51:27.898239
• Title: Mapping "Brain Terrain" Regions on Mars using Deep Learning
• Title（参考訳）: 深層学習を用いた火星の「脳地形」領域のマッピング
• Authors: Kyle A. Pearson, Eldar Noe, Daniel Zhao, Alphan Altinok, Alex Morgan,
• Abstract要約: 臨界領域のセットは、火星の斜視の周期的な変化に反応して、比較的最近に氷が噴出するサイクルを見た可能性がある。 本研究では、畳み込みニューラルネットワークを用いて「ブラインコーラル」地形を含む表面領域を検出する。 火星探査機マーズ・リコネッサンス・オービター(Mars Reconnaissance Orbiter)の大型画像(100-1000メガピクセル)を使って、これらの地形を1ピクセルあたり数十センチ近い解像度で探索する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: One of the main objectives of the Mars Exploration Program is to search for evidence of past or current life on the planet. To achieve this, Mars exploration has been focusing on regions that may have liquid or frozen water. A set of critical areas may have seen cycles of ice thawing in the relatively recent past in response to periodic changes in the obliquity of Mars. In this work, we use convolutional neural networks to detect surface regions containing "Brain Coral" terrain, a landform on Mars whose similarity in morphology and scale to sorted stone circles on Earth suggests that it may have formed as a consequence of freeze/thaw cycles. We use large images (~100-1000 megapixels) from the Mars Reconnaissance Orbiter to search for these landforms at resolutions close to a few tens of centimeters per pixel (~25--50 cm). Over 52,000 images (~28 TB) were searched (~5% of the Martian surface) where we found detections in over 200 images. To expedite the processing we leverage a classifier network (prior to segmentation) in the Fourier domain that can take advantage of JPEG compression by leveraging blocks of coefficients from a discrete cosine transform in lieu of decoding the entire image at the full spatial resolution. The hybrid pipeline approach maintains ~93% accuracy while cutting down on ~95% of the total processing time compared to running the segmentation network at the full resolution on every image. The timely processing of big data sets helps inform mission operations, geologic surveys to prioritize candidate landing sites, avoid hazardous areas, or map the spatial extent of certain terrain. The segmentation masks and source code are available on Github for the community to explore and build upon.
• Abstract（参考訳）: 火星探査計画の主な目的の1つは、地球上の過去または現在の生命の証拠を探すことである。 これを実現するために、火星探査は液体や凍った水がある地域に焦点を当ててきた。 臨界領域のセットは、火星の斜視の周期的な変化に反応して、比較的最近に氷が噴出するサイクルを見た可能性がある。 本研究では,地球上の石の円に類似した地形を持つ火星の「ブライン・コーラル」地形を含む地表面積を検出するために,畳み込みニューラルネットワークを用い,凍結・融解サイクルの結果形成された可能性が示唆された。 火星探査機マーズ・リコネッサンス・オービター(Mars Reconnaissance Orbiter)の大型画像(約100-1000メガピクセル)を使って、1ピクセルあたり数十センチ近く(約25-50cm)の解像度でこれらの地形を探索します。 52,000枚以上の画像(約28TB)が検索され(火星表面の約5%)、200枚以上の画像から検出された。 この処理を高速化するために、フル空間解像度で画像全体を復号する代わりに離散コサイン変換から係数のブロックを利用することによりJPEG圧縮を活用可能なフーリエ領域の分類器ネットワーク(セグメンテーションに先立ち)を利用する。 ハイブリッドパイプラインアプローチは、全画像の完全な解像度でセグメンテーションネットワークを実行する場合と比較して、全体の処理時間の約95%をカットしながら、約93%の精度を維持している。 ビッグデータのタイムリーな処理は、ミッションの運用、地質調査、候補地点の優先順位付け、危険領域の回避、あるいは特定の地形の空間範囲のマッピングに役立ちます。 セグメンテーションマスクとソースコードはGithubで入手できる。

関連論文リスト

• SaccadeDet: A Novel Dual-Stage Architecture for Rapid and Accurate Detection in Gigapixel Images [50.742420049839474]
  SaccadeDetは、人間の目の動きにインスパイアされた、ギガピクセルレベルの物体検出のための革新的なアーキテクチャである。 PANDAデータセットを用いて評価した本手法は,最先端手法の8倍の高速化を実現する。 また、全スライドイメージングへの応用を通じて、ギガピクセルレベルの病理解析に有意な可能性を示す。
  論文  参考訳（メタデータ） (2024-07-25T11:22:54Z)
• EarthMatch: Iterative Coregistration for Fine-grained Localization of Astronaut Photography [18.978718859476267]
  本研究では,宇宙飛行士の写真の微粒化を再現する,反復的ホモグラフィー推定手法であるEarthMatchを提案する。 提案手法の有効性をこのデータセットで証明し,画像マーカ比較のための新しい公正な方法を提案する。 われわれの方法では、45万枚の地球の写真の高速かつ正確なローカライズが可能になります。
  論文  参考訳（メタデータ） (2024-05-08T20:46:36Z)
• ConeQuest: A Benchmark for Cone Segmentation on Mars [9.036303895516745]
  ConeQuestは、火星の円錐を識別する最初の専門家による公開データセットである。 本研究では,(i)空間一般化と(ii)コーンサイズ一般化という2つのベンチマークタスクを提案する。
  論文  参考訳（メタデータ） (2023-11-15T02:33:08Z)
• Accurate Gigapixel Crowd Counting by Iterative Zooming and Refinement [90.76576712433595]
  GigaZoomは画像の最も密度の高い領域を反復的にズームし、より詳細な粗い密度マップを洗練します。 ギガZoomは,ギガピクセルの群衆計数のための最先端技術を取得し,次のベストメソッドの精度を42%向上させることを示す。
  論文  参考訳（メタデータ） (2023-05-16T08:25:27Z)
• MaRF: Representing Mars as Neural Radiance Fields [1.4680035572775534]
  MARFは火星の環境を合成するためのフレームワークで、ローバーカメラの画像を何枚か集めている。 惑星地質学、シミュレートされた航法、形状解析などの惑星表面探査における重要な課題に対処する。 実験では,キュリオシティ・ローバー,パーセヴァンス・ローバー,インジェニティ・ヘリコプターによって捕獲された火星の実際のデータセットから生成された環境を実証した。
  論文  参考訳（メタデータ） (2022-12-03T18:58:00Z)
• Mars Rover Localization Based on A2G Obstacle Distribution Pattern Matching [0.0]
  NASAのMars 2020ミッションでは、Ingenuityヘリコプターがローバーと共に運ばれる。 従来の画像マッチング手法は、有効な画像対応を得るのに苦労する。 画像に基づく岩盤検出と岩盤分布パターンマッチングを組み合わせたアルゴリズムを用いて、A2G画像対応を得る。
  論文  参考訳（メタデータ） (2022-10-07T08:29:48Z)
• Beyond Cross-view Image Retrieval: Highly Accurate Vehicle Localization Using Satellite Image [91.29546868637911]
  本稿では,地上画像と架空衛星地図とをマッチングすることにより,車載カメラのローカライゼーションの問題に対処する。 鍵となる考え方は、タスクをポーズ推定として定式化し、ニューラルネットベースの最適化によってそれを解くことである。 標準自動運転車のローカライゼーションデータセットの実験により,提案手法の優位性が確認された。
  論文  参考訳（メタデータ） (2022-04-10T19:16:58Z)
• Accurate 3-DoF Camera Geo-Localization via Ground-to-Satellite Image Matching [102.39635336450262]
  地上で取得したクエリ画像とジオタグ付き衛星画像の大規模データベースとをマッチングすることにより、地上から衛星画像のジオローカライズの問題に対処する。 我々の新しい手法は、衛星画像のピクセルサイズの精度まで、クエリー画像のきめ細かい位置を達成できる。
  論文  参考訳（メタデータ） (2022-03-26T20:10:38Z)
• Towards Robust Monocular Visual Odometry for Flying Robots on Planetary Missions [49.79068659889639]
  火星に着陸したばかりのIngenuityは、トラバーサビリティの影響を受けない新時代の探検の始まりとなるでしょう。 高速な光フロートラッキングを用いた高能率単分子オードメトリーアルゴリズムを提案する。 また、相対翻訳情報行列の主成分分析に基づいて、スケールドリフトの現在のリスクを推定する新しい手法を提案する。
  論文  参考訳（メタデータ） (2021-09-12T12:52:20Z)
• Rover Relocalization for Mars Sample Return by Virtual Template Synthesis and Matching [48.0956967976633]
  我々は、概念火星サンプルリターンキャンペーンの文脈におけるローバー再局在化の問題を検討する。 このキャンペーンでは、ローバー(R1)は、約50 x 50 mの領域内を自律的にナビゲートおよびローカライズできる必要があります。 本研究では,相対的に不規則な地形に対してロバスト性を示す視覚ローカライザーを提案する。
  論文  参考訳（メタデータ） (2021-03-05T00:18:33Z)
• Automated crater detection with human level performance [0.0]
  本稿では,専門家と競合し,数百倍高速なクレーター検出アルゴリズムを提案する。 このアルゴリズムは複数のニューラルネットワークを使って、デジタル地形モデルと熱赤外画像を処理する。 我々は直径3km以上の既知のクレーターの80%を発見し、7,000の新しいクレーターを同定した。
  論文  参考訳（メタデータ） (2020-10-23T16:36:31Z)

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。