論文の概要: Shrub of a thousand faces: an individual segmentation from satellite
images using deep learning
- arxiv url: http://arxiv.org/abs/2401.17985v1
- Date: Wed, 31 Jan 2024 16:44:20 GMT
- ステータス: 処理完了
- システム内更新日: 2024-02-01 13:54:10.720117
- Title: Shrub of a thousand faces: an individual segmentation from satellite
images using deep learning
- Title(参考訳): 千の顔の低木-深層学習を用いた衛星画像からの個々のセグメンテーション
- Authors: Rohaifa Khaldi, Siham Tabik, Sergio Puertas-Ruiz, Julio Pe\~nas de
Giles, Jos\'e Antonio H\'odar Correa, Regino Zamora, Domingo Alcaraz Segura
- Abstract要約: 本研究では,Mask R-CNNを用いたインスタンス分割モデルと併用して,リモートセンシングされたRGB画像を活用する新しい手法を提案する。
本研究では,フォトインタプリタ(PI)とフィールドワーク(FW)データを用いて,モデルの開発と外部検証を行う新しいデータ構築設計を提案する。
最後に,ユニペロス個体の壁面マップを生成するために,開発したモデルを初めて展開する。
- 参考スコア(独自算出の注目度): 1.7736307382785161
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Monitoring the distribution and size structure of long-living shrubs, such as
Juniperus communis, can be used to estimate the long-term effects of climate
change on high-mountain and high latitude ecosystems. Historical aerial
very-high resolution imagery offers a retrospective tool to monitor shrub
growth and distribution at high precision. Currently, deep learning models
provide impressive results for detecting and delineating the contour of objects
with defined shapes. However, adapting these models to detect natural objects
that express complex growth patterns, such as junipers, is still a challenging
task.
This research presents a novel approach that leverages remotely sensed RGB
imagery in conjunction with Mask R-CNN-based instance segmentation models to
individually delineate Juniperus shrubs above the treeline in Sierra Nevada
(Spain). In this study, we propose a new data construction design that consists
in using photo interpreted (PI) and field work (FW) data to respectively
develop and externally validate the model. We also propose a new shrub-tailored
evaluation algorithm based on a new metric called Multiple Intersections over
Ground Truth Area (MIoGTA) to assess and optimize the model shrub delineation
performance. Finally, we deploy the developed model for the first time to
generate a wall-to-wall map of Juniperus individuals.
The experimental results demonstrate the efficiency of our dual data
construction approach in overcoming the limitations associated with traditional
field survey methods. They also highlight the robustness of MIoGTA metric in
evaluating instance segmentation models on species with complex growth patterns
showing more resilience against data annotation uncertainty. Furthermore, they
show the effectiveness of employing Mask R-CNN with ResNet101-C4 backbone in
delineating PI and FW shrubs, achieving an F1-score of 87,87% and 76.86%,
respectively.
- Abstract(参考訳): ユニペロスコミュニスのような長生きした低木の分布とサイズ構造をモニタリングすることで、高山および高緯度生態系に対する気候変動の長期的影響を推定することができる。
歴史的空中超高解像度画像は、低木の成長と分布を高精度に監視するレトロスペクティブツールを提供する。
現在、ディープラーニングモデルは、定義された形状のオブジェクトの輪郭を検出および記述するための印象的な結果を提供している。
しかし、junitperのような複雑な成長パターンを表現する自然オブジェクトを検出するためにこれらのモデルを適用することは依然として難しい課題である。
本研究では,シエラネバダ(スペイン)の樹冠より上のジュニペロス低木を個別に記述するために,リモートセンシングされたRGB画像とMask R-CNNベースのインスタンスセグメンテーションモデルを組み合わせた新しいアプローチを提案する。
本研究では,フォトインタプリタ(PI)とフィールドワーク(FW)データを用いて,モデルの開発と外部検証を行う新しいデータ構築設計を提案する。
また,提案手法は,Multiple Intersections over Ground Truth Area (MIoGTA) とよばれる新しい指標をベースとした低木形状評価アルゴリズムを提案する。
最後に, 開発したモデルを初めて展開し, ジュニペラス個体の壁対壁マップを作成した。
実験の結果,従来のフィールドサーベイ手法の限界を克服する上で,デュアルデータ構築手法の有効性が示された。
彼らはまた、データアノテーションの不確実性に対してよりレジリエンスを示す複雑な成長パターンを持つ種に対するインスタンスセグメンテーションモデルの評価におけるMIoGTA測定の堅牢性を強調した。
さらに, マスクr-cnnをresnet101-c4バックボーンで使用することにより, それぞれ87,87%, 76.86%のf1コアが得られることを示した。
関連論文リスト
- Innovative Horizons in Aerial Imagery: LSKNet Meets DiffusionDet for
Advanced Object Detection [55.2480439325792]
本稿では,LSKNetのバックボーンをDiffusionDetヘッドに統合したオブジェクト検出モデルの詳細な評価を行う。
提案手法は平均精度(MAP)を約45.7%向上させる。
この進歩は、提案された修正の有効性を強調し、航空画像解析の新しいベンチマークを設定する。
論文 参考訳(メタデータ) (2023-11-21T19:49:13Z) - RGM: A Robust Generalist Matching Model [53.223624323416914]
RGM(Robust Generalist Matching)と呼ばれる疎密マッチングのための深部モデルを提案する。
合成トレーニングサンプルと実世界のシナリオのギャップを狭めるために、我々は、疎対応基盤真理を持つ新しい大規模データセットを構築した。
さまざまな密集したスパースなデータセットを混ぜ合わせることができ、トレーニングの多様性を大幅に改善しています。
論文 参考訳(メタデータ) (2023-10-18T07:30:08Z) - SepHRNet: Generating High-Resolution Crop Maps from Remote Sensing
imagery using HRNet with Separable Convolution [3.717258819781834]
本稿では、HRNetと分離可能な畳み込み層を統合し、空間的パターンをキャプチャし、データの時間的パターンをキャプチャする、新たなDeep Learningアプローチを提案する。
提案アルゴリズムは、作物マップの生成において、97.5%の分類精度と55.2%のIoUを高い分類精度で達成する。
論文 参考訳(メタデータ) (2023-07-11T18:07:25Z) - Exploring the Effectiveness of Dataset Synthesis: An application of
Apple Detection in Orchards [68.95806641664713]
本研究では,リンゴ樹の合成データセットを生成するための安定拡散2.1-baseの有用性について検討する。
我々は、現実世界のリンゴ検出データセットでリンゴを予測するために、YOLOv5mオブジェクト検出モデルを訓練する。
その結果、実世界の画像でトレーニングされたベースラインモデルと比較して、生成データでトレーニングされたモデルはわずかに性能が劣っていることがわかった。
論文 参考訳(メタデータ) (2023-06-20T09:46:01Z) - GEO-Bench: Toward Foundation Models for Earth Monitoring [139.77907168809085]
6つの分類と6つのセグメンテーションタスクからなるベンチマークを提案する。
このベンチマークは、さまざまな地球観測タスクの進行の原動力となる。
論文 参考訳(メタデータ) (2023-06-06T16:16:05Z) - Multi-modal learning for geospatial vegetation forecasting [1.8180482634934092]
我々は,高分解能植生予測に特化して設計された最初のデータセットであるGreenEarthNetを紹介する。
また、Sentinel 2衛星画像から植生の緑度を予測するための新しい深層学習手法であるContextformerを提案する。
我々の知る限り、この研究は、季節的サイクルを超えた異常を捉えることができる微細な解像度で大陸規模の植生モデリングのための最初のモデルを示す。
論文 参考訳(メタデータ) (2023-03-28T17:59:05Z) - SETAR-Tree: A Novel and Accurate Tree Algorithm for Global Time Series
Forecasting [7.206754802573034]
本稿では,TARモデルと回帰木との密接な関係について検討する。
本研究では,葉のグローバルプール回帰(PR)モデルをトレーニングする,予測固有木アルゴリズムを提案する。
本評価では, 提案した樹木モデルと森林モデルを用いて, 最先端の樹木モデルよりも精度の高い木モデルを提案する。
論文 参考訳(メタデータ) (2022-11-16T04:30:42Z) - Generative models-based data labeling for deep networks regression:
application to seed maturity estimation from UAV multispectral images [3.6868861317674524]
種子の成熟度モニタリングは、気候変動とより制限的な慣行による農業における課題の増加である。
従来の手法は、フィールドでの限られたサンプリングと実験室での分析に基づいている。
マルチスペクトルUAV画像を用いたパセリ種子の成熟度推定手法の提案と,自動ラベリングのための新しいアプローチを提案する。
論文 参考訳(メタデータ) (2022-08-09T09:06:51Z) - End-to-end deep learning for directly estimating grape yield from
ground-based imagery [53.086864957064876]
本研究は, ブドウ畑の収量推定に深層学習と併用した近位画像の応用を実証する。
オブジェクト検出、CNN回帰、トランスフォーマーモデルという3つのモデルアーキテクチャがテストされた。
本研究は,ブドウの収量予測における近位画像と深層学習の適用性を示した。
論文 参考訳(メタデータ) (2022-08-04T01:34:46Z) - DepthFormer: Exploiting Long-Range Correlation and Local Information for
Accurate Monocular Depth Estimation [50.08080424613603]
高精度な単分子深度推定には長距離相関が不可欠である。
我々は,このグローバルコンテキストを効果的な注意機構でモデル化するためにTransformerを活用することを提案する。
提案したモデルであるDepthFormerは、最先端のモノクル深度推定手法をはるかに超えている。
論文 参考訳(メタデータ) (2022-03-27T05:03:56Z) - Temporal Convolution Domain Adaptation Learning for Crops Growth
Prediction [5.966652553573454]
我々は、限られた作物データを用いて、作物の成長曲線を予測するために、ドメイン適応学習に基づく革新的なネットワークアーキテクチャを構築した。
私たちは、時間的畳み込みフィルタをバックボーンとして使用し、ドメイン適応ネットワークアーキテクチャを構築しました。
その結果,提案した時間的畳み込みに基づくネットワークアーキテクチャは,精度だけでなく,モデルサイズや収束率においても,すべてのベンチマークより優れていた。
論文 参考訳(メタデータ) (2022-02-24T14:22:36Z)
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。