論文の概要: CaBuAr: California Burned Areas dataset for delineation

• arxiv url: http://arxiv.org/abs/2401.11519v1
• Date: Sun, 21 Jan 2024 15:22:15 GMT
• ステータス: 処理完了
• システム内更新日: 2024-01-23 16:11:09.372236
• Title: CaBuAr: California Burned Areas dataset for delineation
• Title（参考訳）: cabuar: カリフォルニアで燃え尽きたエリアのデータセット
• Authors: Daniele Rege Cambrin, Luca Colomba, Paolo Garza
• Abstract要約: 本稿では, 焼成領域のデライン化問題に対処する新しいオープンデータセットを提案する。 センチネル2号L2Aは、2015年からカリフォルニア州で森林火災が発生している。 データセットとともに、スペクトルインデックス分析、SegFormer、U-Netモデルに基づく3つの異なるベースラインをリリースする。
• 参考スコア（独自算出の注目度）: 5.432724320036955
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Forest wildfires represent one of the catastrophic events that, over the last decades, caused huge environmental and humanitarian damages. In addition to a significant amount of carbon dioxide emission, they are a source of risk to society in both short-term (e.g., temporary city evacuation due to fire) and long-term (e.g., higher risks of landslides) cases. Consequently, the availability of tools to support local authorities in automatically identifying burned areas plays an important role in the continuous monitoring requirement to alleviate the aftereffects of such catastrophic events. The great availability of satellite acquisitions coupled with computer vision techniques represents an important step in developing such tools. This paper introduces a novel open dataset that tackles the burned area delineation problem, a binary segmentation problem applied to satellite imagery. The presented resource consists of pre- and post-fire Sentinel-2 L2A acquisitions of California forest fires that took place starting in 2015. Raster annotations were generated from the data released by California's Department of Forestry and Fire Protection. Moreover, in conjunction with the dataset, we release three different baselines based on spectral indexes analyses, SegFormer, and U-Net models.
• Abstract（参考訳）: 森林火災は、過去数十年で環境や人道的被害をもたらした壊滅的な出来事の1つだ。 大量の二酸化炭素排出量に加えて、短期的(例えば火災による一時的な避難)と長期的(例えば地すべりのリスクの高い)の双方において社会にとってリスクの源となっている。 したがって、地域当局が自動的に燃えている地域を識別するツールが利用できることは、そのような壊滅的な出来事の余波を緩和するための継続的な監視要件において重要な役割を担っている。 コンピュータビジョン技術と組み合わされた衛星の取得は、そのようなツールを開発する上で重要なステップである。 本稿では,衛星画像に適用される2値セグメンテーション問題である燃え尽き領域分割問題に対処する,新しいオープンデータセットを提案する。 提示された資料は、2015年に開始されたカリフォルニア州森林火災の前と後のSentinel-2 L2Aによる買収から成り立っている。 ラスターアノテーションは、カリフォルニア州森林消防局が公表したデータから作成された。 さらに,データセットと連携して,スペクトル指標分析,segformer,u-netモデルに基づく3種類のベースラインをリリースする。

関連論文リスト

• Decision support system for Forest fire management using Ontology with Big Data and LLMs [0.8668211481067458]
  火災リスクを評価し、資源需要を予測する火災指標が不可欠である。 医療や環境モニタリングなどの分野におけるセンサネットワークの増加に伴い、セマンティックセンサーネットワークは、気候データ収集にますます利用されている。 本稿では,Apache Sparkによる森林火災の早期検出,気象・地理データによる火災リスク予測の強化について論じる。
  論文  参考訳（メタデータ） (2024-05-18T17:30:30Z)
• Natural Disaster Analysis using Satellite Imagery and Social-Media Data for Emergency Response Situations [0.0]
  この研究は、衛星画像分析とTwitterデータ分析という2つの段階に分けられている。 第1段階は、災害前の衛星画像解析である。 第2段階は、災害状況に関する重要な情報で地域をマッピングすることに焦点を当てている。
  論文  参考訳（メタデータ） (2023-11-16T15:01:26Z)
• FLOGA: A machine learning ready dataset, a benchmark and a novel deep learning model for burnt area mapping with Sentinel-2 [41.28284355136163]
  森林火災は人間や動物の生活、生態系、社会経済の安定に重大な脅威をもたらす。 本研究では、FLOGA(Forest wiLdfire Observations for the Greek Area)と名付けた機械学習可能なデータセットを作成し、導入する。 このデータセットは、山火事の前後に取得された衛星画像からなるため、ユニークなものである。 我々はFLOGAを用いて、複数の機械学習アルゴリズムとディープラーニングアルゴリズムの徹底的な比較を行い、バーント領域の自動抽出を行う。
  論文  参考訳（メタデータ） (2023-11-06T18:42:05Z)
• Rapid Deforestation and Burned Area Detection using Deep Multimodal Learning on Satellite Imagery [3.8073142980733]
  アマゾンの森林における森林破壊の推定と火災検出は、広大な面積のために大きな課題となっている。 マルチモーダル衛星画像とリモートセンシングは、アマゾン地域の森林破壊を推定し、山火事を検出するための有望なソリューションを提供する。 本研究では、畳み込みニューラルネットワーク(CNN)と包括的データ処理技術を用いて、これらの問題を解決するための新しいキュレートデータセットとディープラーニングベースのアプローチを提案する。
  論文  参考訳（メタデータ） (2023-07-10T21:49:30Z)
• 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)
• Disaster mapping from satellites: damage detection with crowdsourced point labels [4.511561231517167]
  災害直後の高解像度衛星画像は、応答計画に不可欠である。 このスケールでのダメージマッピングには、何百人もの熟練した個人時間が必要です。 クラウドソーシングと最近のディープラーニングの進歩は、数時間のリアルタイム実行に必要な労力を減らす。
  論文  参考訳（メタデータ） (2021-11-05T18:32:22Z)
• From Static to Dynamic Prediction: Wildfire Risk Assessment Based on Multiple Environmental Factors [69.9674326582747]
  ワイルドファイアはアメリカ合衆国西海岸で頻繁に起こる最大の災害の1つである。 カリフォルニアの山火事リスクが高い地域を解析・評価するための静的・動的予測モデルを提案します。
  論文  参考訳（メタデータ） (2021-03-14T17:56:17Z)
• STCNet: Spatio-Temporal Cross Network for Industrial Smoke Detection [52.648906951532155]
  本稿では,産業用煙排出ガスを識別する新しい時空間クロスネットワーク(STCNet)を提案する。 提案するSTCNetは, テクスチャの特徴を抽出する空間的特徴と, 煙の動き情報を捕捉する時間的経路を含む。 STCNetは、RISE産業煙検知データセットにおいて、最も優れた競合相手に対して6.2%の精度で明確な改善を実現していることを示す。
  論文  参考訳（メタデータ） (2020-11-10T02:28:47Z)
• MSNet: A Multilevel Instance Segmentation Network for Natural Disaster Damage Assessment in Aerial Videos [74.22132693931145]
  本研究では, ハリケーン, 洪水, 火災などの自然災害後の建物被害を効率的に評価する課題について検討する。 最初のコントリビューションは、ソーシャルメディアからユーザ生成された空中ビデオと、インスタンスレベルのビルディング損傷マスクのアノテーションで構成される、新しいデータセットである。 第二のコントリビューションはMSNetと呼ばれる新しいモデルで、新しい領域の提案ネットワーク設計を含んでいる。
  論文  参考訳（メタデータ） (2020-06-30T02:23:05Z)
• RescueNet: Joint Building Segmentation and Damage Assessment from Satellite Imagery [83.49145695899388]
  RescueNetは、建物を同時に分割し、個々の建物に対する損傷レベルを評価し、エンドツーエンドでトレーニングできる統一モデルである。 RescueNetは大規模で多様なxBDデータセットでテストされており、従来の手法よりもはるかに優れたセグメンテーションと損傷分類性能を実現している。
  論文  参考訳（メタデータ） (2020-04-15T19:52:09Z)
• Farmland Parcel Delineation Using Spatio-temporal Convolutional Networks [77.63950365605845]
  ファームパーセル・デライン化は、気候変動政策の開発と管理において重要なカダストラルデータを提供する。 このデータは、極端な気象災害に伴う損害後の補償を評価するための農業保険セクターにも有用である。 衛星画像の利用は、農場の区画整理作業を行うためのスケーラブルで費用対効果の高い方法である。
  論文  参考訳（メタデータ） (2020-04-11T19:49:09Z)

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。