論文の概要: Weak Labeling for Cropland Mapping in Africa

• arxiv url: http://arxiv.org/abs/2401.07014v1
• Date: Sat, 13 Jan 2024 08:45:41 GMT
• ステータス: 処理完了
• システム内更新日: 2024-01-17 20:05:26.394029
• Title: Weak Labeling for Cropland Mapping in Africa
• Title（参考訳）: アフリカにおける作物マッピングのための弱ラベル化
• Authors: Gilles Quentin Hacheme, Akram Zaytar, Girmaw Abebe Tadesse, Caleb Robinson, Rahul Dodhia, Juan M. Lavista Ferres, Stephen Wood
• Abstract要約: 作物のマッピングは、環境、農業、食料安全保障の課題に対処する上で重要な役割を担っている。 アフリカでは、高解像度の作物地図の入手が限られているため、実用的な応用がしばしば妨げられている。 本稿では、教師なしオブジェクトクラスタリングを利用して、既存の弱いラベルを洗練する手法を提案する。
• 参考スコア（独自算出の注目度）: 3.5759681393339697
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Cropland mapping can play a vital role in addressing environmental, agricultural, and food security challenges. However, in the context of Africa, practical applications are often hindered by the limited availability of high-resolution cropland maps. Such maps typically require extensive human labeling, thereby creating a scalability bottleneck. To address this, we propose an approach that utilizes unsupervised object clustering to refine existing weak labels, such as those obtained from global cropland maps. The refined labels, in conjunction with sparse human annotations, serve as training data for a semantic segmentation network designed to identify cropland areas. We conduct experiments to demonstrate the benefits of the improved weak labels generated by our method. In a scenario where we train our model with only 33 human-annotated labels, the F_1 score for the cropland category increases from 0.53 to 0.84 when we add the mined negative labels.
• Abstract（参考訳）: 作物マッピングは、環境、農業、食料安全保障の課題に取り組む上で重要な役割を果たす。 しかし、アフリカの文脈では、高分解能農耕地図の入手が制限されるため、実用的な応用がしばしば妨げられる。 このようなマップは通常、人間のラベル付けを必要とするため、スケーラビリティのボトルネックが生じる。 そこで本研究では, 教師なしオブジェクトクラスタリングを用いて, 地球規模の作物地図から得られたような, 既存の弱いラベルを改良する手法を提案する。 改良されたラベルは、希少な人間のアノテーションとともに、農地の特定のために設計されたセグメンテーションネットワークのトレーニングデータとして機能する。 提案手法により得られた弱ラベルの改善効果を実証するために実験を行った。 33個のラベルでモデルをトレーニングするシナリオでは、作物カテゴリーのF_1スコアがマイナスラベルを追加すると0.53から0.84に増加する。

関連論文リスト

• Global High Categorical Resolution Land Cover Mapping via Weak Supervision [19.52604717907002]
  我々は、弱教師付きドメイン適応(WSDA)のために、完全ラベル付きソースドメインと弱ラベル付きターゲットドメインを組み合わせることを提案する。 粗いラベルと粗いラベルを使用することで、精密かつ詳細な土地被覆アノテーションに必要な労力を大幅に軽減できるため、これは有益である。 我々は,PlanetScope,Gaofen-1,Sentinel-2の衛星画像を用いて,世界中の10都市を対象とした高分類分解能土地被覆マッピングを行った。
  論文  参考訳（メタデータ） (2024-06-02T23:18:12Z)
• Mapping High-level Semantic Regions in Indoor Environments without Object Recognition [50.624970503498226]
  本研究では,屋内環境における埋め込みナビゲーションによる意味領域マッピング手法を提案する。 地域識別を実現するために,視覚言語モデルを用いて地図作成のためのシーン情報を提供する。 グローバルなフレームにエゴセントリックなシーン理解を投影することにより、提案手法は各場所の可能な領域ラベル上の分布としてのセマンティックマップを生成する。
  論文  参考訳（メタデータ） (2024-03-11T18:09:50Z)
• Taking it further: leveraging pseudo labels for field delineation across label-scarce smallholder regions [2.8120847363433654]
  本研究は、地理とセンサ特性を横断する微調整モデルにスパースフィールドデライン付き擬似ラベルを使用する機会について検討する。 本研究では,インドにおける作物の作付けを訓練したフラクタルResUNetを構築し,この事前学習モデルを用いてモザンビークの擬似ラベルを生成する。 次に、人間の注釈付きラベルと擬似ラベルをモデル微調整に使用し、人体アノテーションに対する予測を比較した。
  論文  参考訳（メタデータ） (2023-12-12T08:39:07Z)
• HarvestNet: A Dataset for Detecting Smallholder Farming Activity Using Harvest Piles and Remote Sensing [50.4506590177605]
  HarvestNetは、2020-2023年のエチオピアのティグレイとアムハラの農場の存在をマッピングするためのデータセットである。 本研究は,多くの小作システムの特徴ある収穫杭の検出に基づく新しい手法を提案する。 本研究は, 農作物のリモートセンシングが, 食品の安全地帯において, よりタイムリーかつ正確な農地評価に寄与することが示唆された。
  論文  参考訳（メタデータ） (2023-08-23T11:03:28Z)
• Habitat classification from satellite observations with sparse annotations [4.164845768197488]
  リモートセンシングデータを用いた生息地分類とマッピング手法を提案する。 この方法は、フィールドから収集された細粒度でスパースな単一ピクセルアノテーションを使用することによって特徴付けられる。 本研究では, 収穫増量, 試験時間増量, 半教師付き学習が, さらに分類の助けとなることを示す。
  論文  参考訳（メタデータ） (2022-09-26T20:14:59Z)
• Semi-supervised Object Detection via Virtual Category Learning [68.26956850996976]
  本稿では,ラベルの修正を伴わずに,混乱したサンプルを積極的に使用することを提案する。 具体的には、各混乱したサンプルに仮想圏(VC)が割り当てられる。 トレーニングサンプルと仮想カテゴリの間の埋め込み距離を指定することに起因する。
  論文  参考訳（メタデータ） (2022-07-07T16:59:53Z)
• SparseDet: Improving Sparsely Annotated Object Detection with Pseudo-positive Mining [76.95808270536318]
  Pseudo- positive mining を用いてラベル付き地域とラベルなし地域を分離するエンド・ツー・エンドシステムを提案する。 ラベル付き領域は通常通り処理されるが、ラベルなし領域の処理には自己教師付き学習が使用される。 我々は,PASCAL-VOCとCOCOデータセットの5つの分割に対して,最先端の性能を達成するための徹底的な実験を行った。
  論文  参考訳（メタデータ） (2022-01-12T18:57:04Z)
• One Thing One Click: A Self-Training Approach for Weakly Supervised 3D Semantic Segmentation [78.36781565047656]
  私たちは、アノテーションーがオブジェクトごとに1ポイントだけラベルを付ける必要があることを意味する「One Thing One Click」を提案します。 グラフ伝搬モジュールによって促進されるトレーニングとラベル伝搬を反復的に行う。 私たちの結果は、完全に監督されたものと同等です。
  論文  参考訳（メタデータ） (2021-04-06T02:27:25Z)
• Non-Salient Region Object Mining for Weakly Supervised Semantic Segmentation [64.2719590819468]
  弱教師付きセマンティックセグメンテーションのための非塩分領域オブジェクトマイニング手法を提案する。 擬似ラベルの偽陰性率を低減するために、潜在的なオブジェクトマイニングモジュールを提案する。 非サリエント領域マスキングモジュールは、非サリエント領域内のオブジェクトをさらに発見するのに役立ちます。
  論文  参考訳（メタデータ） (2021-03-26T16:44:03Z)
• An Efficient Method for the Classification of Croplands in Scarce-Label Regions [0.0]
  衛星時系列画像による農地分類の主な課題は、地表面データ不足と、未開発地域における高品質のハイパースペクトル画像の到達不能である。 ラベルなしの中解像度衛星画像は豊富だが、その恩恵を受けるにはオープンな問題だ。 自監督タスクを用いた作物分類におけるその可能性の活用方法を示す。
  論文  参考訳（メタデータ） (2021-03-17T12:10:11Z)
• Crop mapping from image time series: deep learning with multi-scale label hierarchies [22.58506027920305]
  専門家の知識を活用し,希少作物の分布を著しく改善する作物分類法を開発した。 3レベルラベル階層は畳み込みリカレントニューラルネットワーク(convRNN)に符号化される 我々は,提案手法を新たに公開する大規模データセット上で検証する。
  論文  参考訳（メタデータ） (2021-02-17T15:27:49Z)

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。