論文の概要: Accurate and Efficient Urban Street Tree Inventory with Deep Learning on Mobile Phone Imagery

• arxiv url: http://arxiv.org/abs/2401.01180v1
• Date: Tue, 2 Jan 2024 12:16:01 GMT
• ステータス: 処理完了
• システム内更新日: 2024-01-03 14:00:07.787685
• Title: Accurate and Efficient Urban Street Tree Inventory with Deep Learning on Mobile Phone Imagery
• Title（参考訳）: 携帯電話画像の深層学習による都市街路樹の精度と効率
• Authors: Asim Khan, Umair Nawaz, Anwaar Ulhaq, Iqbal Gondal, Sajid Javed
• Abstract要約: 本稿では,都市の街路樹在庫に深層学習技術と携帯電話画像を活用する革新的な手法を提案する。 我々のアプローチは,スマートフォンカメラが捉えた2枚の画像を利用して,木の幹を正確に分断し,胸の高さ(DBH)で直径を計算する。 従来の手法と比較すると, 精度の向上, 特殊機器依存の低減, 難解領域への適用性など, 様々な利点がある。
• 参考スコア（独自算出の注目度）: 5.827284205083043
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Deforestation, a major contributor to climate change, poses detrimental consequences such as agricultural sector disruption, global warming, flash floods, and landslides. Conventional approaches to urban street tree inventory suffer from inaccuracies and necessitate specialised equipment. To overcome these challenges, this paper proposes an innovative method that leverages deep learning techniques and mobile phone imaging for urban street tree inventory. Our approach utilises a pair of images captured by smartphone cameras to accurately segment tree trunks and compute the diameter at breast height (DBH). Compared to traditional methods, our approach exhibits several advantages, including superior accuracy, reduced dependency on specialised equipment, and applicability in hard-to-reach areas. We evaluated our method on a comprehensive dataset of 400 trees and achieved a DBH estimation accuracy with an error rate of less than 2.5%. Our method holds significant potential for substantially improving forest management practices. By enhancing the accuracy and efficiency of tree inventory, our model empowers urban management to mitigate the adverse effects of deforestation and climate change.
• Abstract（参考訳）: 森林破壊は、気候変動の主要な要因であり、農業セクターの破壊、地球温暖化、フラッシュフラッド、地すべりなどの有害な結果をもたらす。 都市の街路樹在庫に対する従来のアプローチは、不正確さと専門化された設備を必要とする。 これらの課題を克服するために,都市の街路樹在庫に深層学習技術と携帯電話画像を活用する革新的な手法を提案する。 本手法では,スマートフォンのカメラで撮影された1対の画像を用いて,樹幹を正確に分割し,乳房高さ(dbh)の直径を計算する。 従来の手法と比較して, 精度の向上, 特殊機器依存の低減, 難解領域への適用性など, 様々な利点がある。 提案手法を400本の樹木の包括的データセット上で評価し,DBH推定精度を2.5%未満の誤差率で達成した。 本手法は森林管理の実践を大幅に改善する大きな可能性を秘めている。 樹木在庫の精度と効率を高めることにより,森林伐採や気候変動の悪影響を緩和する都市経営の強化を図る。

関連論文リスト

• Comparative Analysis of Novel View Synthesis and Photogrammetry for 3D Forest Stand Reconstruction and extraction of individual tree parameters [2.153174198957389]
  光度測定は一般的に森林の景観の再構築に使われるが、低効率や低品質といった課題に直面している。 NeRFは、天蓋領域ではよいが、視野が限られている地上領域ではエラーが発生する可能性がある。 3DGS法は胸の高さ(DBH)の精度に影響を及ぼすスペーサー点雲を生成する。
  論文  参考訳（メタデータ） (2024-10-08T07:53:21Z)
• Climate-sensitive Urban Planning through Optimization of Tree Placements [55.11389516857789]
  気候変動は、熱波を含む多くの極端な気象事象の強度と頻度を増している。 最も有望な戦略の1つは、街路樹の恩恵を利用して歩行者レベルの環境を冷やすことである。 物理シミュレーションでは、樹木の放射的および熱的影響が人間の熱的快適性に与える影響を推定できるが、高い計算コストが生じる。 我々は,屋外の熱的快適さの駆動因子である点平均放射温度を,様々な時間スケールでシミュレーションするためにニューラルネットワークを用いた。
  論文  参考訳（メタデータ） (2023-10-09T13:07:23Z)
• Vision Transformers, a new approach for high-resolution and large-scale mapping of canopy heights [50.52704854147297]
  分類(離散化)と連続損失関数を最適化した新しい視覚変換器(ViT)モデルを提案する。 このモデルは、従来使用されていた畳み込みベースのアプローチ(ConvNet)よりも、連続損失関数のみで最適化された精度が向上する。
  論文  参考訳（メタデータ） (2023-04-22T22:39:03Z)
• 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)
• Estimaci\'on de \'areas de cultivo mediante Deep Learning y programaci\'on convencional [0.0]
  エクアドルにおけるサトウキビの栽培・収穫において,最も認知度の高い企業の一つとして検討されてきた。 この戦略はGAN(Generative Adversarial Neural Network)と組み合わせて、サトウキビのプロットの航空写真に基づいて訓練し、人口密度や人口密度の低い作物を識別する。 実験では、空中写真の品質が大幅に向上した。
  論文  参考訳（メタデータ） (2022-07-25T16:22:55Z)
• MultiEarth 2022 Deforestation Challenge -- ForestGump [0.0]
  従来のUNetと包括的データ処理を用いた森林破壊推定手法を提案する。 Sentinel-1、Sentinel-2、Landsat 8の様々なチャネルが慎重に選択され、ディープニューラルネットワークのトレーニングに使用される。 提案手法では,新しいクエリの森林破壊状況を高精度に推定する。
  論文  参考訳（メタデータ） (2022-06-22T04:10:07Z)
• Unsupervised Restoration of Weather-affected Images using Deep Gaussian Process-based CycleGAN [92.15895515035795]
  本稿では,CycleGANに基づくディープネットワークの監視手法について述べる。 我々は,より効果的なトレーニングにつながるCycleGANのトレーニングに新たな損失を導入し,高品質な再構築を実現した。 提案手法は, 脱落, 脱落, 脱落といった様々な修復作業に効果的に適用できることを実証する。
  論文  参考訳（メタデータ） (2022-04-23T01:30:47Z)
• 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)
• Urban Tree Species Classification Using Aerial Imagery [0.0]
  都市木は気温の調整、エネルギー消費の削減、大気の質の向上、風速の低減、ヒートアイランド効果の緩和に役立つ。 航空画像を用いた樹木の自動検出と種分類は、持続可能な森林管理と都市木管理のための強力なツールとなる。 この研究はまず、Google Mapの空中画像を使用して、都市木のラベル付きデータセットを生成するパイプラインを提供する。 次に、VGGやResNetといった最先端の畳み込みニューラルネットワークモデルが、異なるパラメータの下での都市ツリー空中画像の分類問題をどのように扱うかを検討する。
  論文  参考訳（メタデータ） (2021-07-07T12:30:22Z)
• Potato Crop Stress Identification in Aerial Images using Deep Learning-based Object Detection [60.83360138070649]
  本稿では, 深層ニューラルネットワークを用いたジャガイモの空中画像解析手法を提案する。 主な目的は、植物レベルでの健康作物とストレス作物の自動空間認識を実証することである。 実験により、フィールド画像中の健康植物とストレス植物を識別し、平均Dice係数0.74を達成できることを示した。
  論文  参考訳（メタデータ） (2021-06-14T21:57:40Z)

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。