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
- Tree Species Classification using Machine Learning and 3D Tomographic SAR -- a case study in Northern Europe [0.0]
樹木種の分類は、自然保護、森林在庫、森林管理、絶滅危惧種の保護において重要な役割を担っている。
本研究では,SLC(Single-look Complex)画像のスタックを利用した3次元トモグラフィーデータセットであるTtomoSenseを用いた。
論文 参考訳（メタデータ） (2024-11-19T22:25:26Z) - Unified Deep Learning Model for Global Prediction of Aboveground Biomass, Canopy Height and Cover from High-Resolution, Multi-Sensor Satellite Imagery [0.196629787330046]
地表面バイオマス密度 (AGBD) , キャノピー高さ (CH) , キャノピー被覆 (CC) の予測を統一する深層学習モデルと10mのマルチセンサ・マルチスペクトル画像を用いた新しい手法を提案する。
GEDI-L2/L4を世界数百万のサンプルで測定し、2023年と2016年から2023年までの期間に全世界に展開することで、モデルの有効性を検証した。
論文 参考訳（メタデータ） (2024-08-20T23:15:41Z) - Forecasting with Hyper-Trees [50.72190208487953]
Hyper-Treesは時系列モデルのパラメータを学習するために設計されている。
対象とする時系列モデルのパラメータを特徴に関連付けることで、Hyper-Treesはパラメータ非定常性の問題にも対処する。
この新しいアプローチでは、木はまず入力特徴から情報表現を生成し、浅いネットワークはターゲットモデルパラメータにマップする。
論文 参考訳（メタデータ） (2024-05-13T15:22:15Z) - 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) - Sub-Meter Tree Height Mapping of California using Aerial Images and
LiDAR-Informed U-Net Model [0.0]
樹冠の高さは、森林のバイオマス、生産性、種多様性の最も重要な指標の1つである。
そこで我々は,カリフォルニアのすべての樹冠の高さを高解像度の空中画像でマッピングするために,回帰に適応したU-Netモデルを用いた。
本モデルでは, 飽和のないキャノピー高さを最大50mまで推定し, 既存のキャノピー高さ製品よりも高い性能を示した。
論文 参考訳（メタデータ） (2023-06-02T22:29:58Z) - 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) - Very high resolution canopy height maps from RGB imagery using
self-supervised vision transformer and convolutional decoder trained on
Aerial Lidar [14.07306593230776]
本稿では,複数の非国家の管轄区域で同時に作成される最初の高分解能天蓋の高さマップについて述べる。
地図は、2017年から2020年にかけて、マクサー画像に基づいて訓練された自己教師モデルから特徴を抽出することによって生成される。
また、GEDI観測に基づいて訓練された畳み込みネットワークを用いた後処理のステップも導入する。
論文 参考訳（メタデータ） (2023-04-14T15:52:57Z) - Agave crop segmentation and maturity classification with deep learning
data-centric strategies using very high-resolution satellite imagery [101.18253437732933]
超高解像度衛星画像を用いたAgave tequilana Weber azul crop segmentation and mature classificationを提案する。
実世界の深層学習問題を,作物の選別という非常に具体的な文脈で解決する。
結果として得られた正確なモデルにより、大規模地域で生産予測を行うことができる。
論文 参考訳（メタデータ） (2023-03-21T03:15:29Z) - 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) - Global canopy height estimation with GEDI LIDAR waveforms and Bayesian
deep learning [20.692092680921274]
NASAのGlobal Ecosystem Dynamics Investigation(GEDI)は、地球規模の炭素循環における森林の役割の理解を深めることを目的としている重要な気候ミッションである。
本稿では,GEDI波形とレグレッション・キャノピー・トップハイトを世界規模で解釈する新しい教師付き機械学習手法を提案する。
論文 参考訳（メタデータ） (2021-03-05T23:08:27Z) - Two-View Fine-grained Classification of Plant Species [66.75915278733197]
本研究では,2視点の葉のイメージ表現に基づく新しい手法と,植物種の粒度認識のための階層的分類戦略を提案する。
シームズ畳み込みニューラルネットワークに基づく深度測定は、多数のトレーニングサンプルへの依存を減らし、新しい植物種に拡張性を持たせるために用いられる。
論文 参考訳（メタデータ） (2020-05-18T21:57:47Z)
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。