論文の概要: Comparative Evaluation of Traditional and Deep Learning-Based
Segmentation Methods for Spoil Pile Delineation Using UAV Images
- arxiv url: http://arxiv.org/abs/2402.00295v1
- Date: Thu, 1 Feb 2024 02:54:49 GMT
- ステータス: 処理完了
- システム内更新日: 2024-02-02 16:49:40.841834
- Title: Comparative Evaluation of Traditional and Deep Learning-Based
Segmentation Methods for Spoil Pile Delineation Using UAV Images
- Title（参考訳）: uav画像を用いたスポイトパイルデライン化における従来型および深層学習型セグメンテーション法の比較評価
- Authors: Sureka Thiruchittampalam, Bikram P. Banerjee, Nancy F. Glenn, Simit
Raval
- Abstract要約: 本研究は,様々なセグメンテーションアプローチ,特にカラーベースおよびモルフォロジーに基づく手法を洗練・調整する。
本研究の目的は, 鉱業環境の文脈における特性化を損なうため, オブジェクトベース分析の手法を改良し, 評価することである。
評価された多様なセグメンテーション手法のうち,形態素に基づく深層学習セグメンテーション手法であるセグメンション・アシング・モデル(SAM)は,他の手法と比較して優れた性能を示した。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: The stability of mine dumps is contingent upon the precise arrangement of
spoil piles, taking into account their geological and geotechnical attributes.
Yet, on-site characterisation of individual piles poses a formidable challenge.
The utilisation of image-based techniques for spoil pile characterisation,
employing remotely acquired data through unmanned aerial systems, is a
promising complementary solution. Image processing, such as object-based
classification and feature extraction, are dependent upon effective
segmentation. This study refines and juxtaposes various segmentation
approaches, specifically colour-based and morphology-based techniques. The
objective is to enhance and evaluate avenues for object-based analysis for
spoil characterisation within the context of mining environments. Furthermore,
a comparative analysis is conducted between conventional segmentation
approaches and those rooted in deep learning methodologies. Among the diverse
segmentation approaches evaluated, the morphology-based deep learning
segmentation approach, Segment Anything Model (SAM), exhibited superior
performance in comparison to other approaches. This outcome underscores the
efficacy of incorporating advanced morphological and deep learning techniques
for accurate and efficient spoil pile characterisation. The findings of this
study contribute valuable insights to the optimisation of segmentation
strategies, thereby advancing the application of image-based techniques for the
characterisation of spoil piles in mining environments.
- Abstract（参考訳）: 埋立処分場の安定性は、地質学的・地質学的特性を考慮し、スポイト杭の正確な配置に依存している。
しかし、個々の杭の現場での性格化は恐ろしい挑戦となる。
リモートで取得したデータを無人航空機システムを通して利用する画像ベース技術は、将来有望な補完的ソリューションである。
オブジェクトベースの分類や特徴抽出といった画像処理は、効果的なセグメンテーションに依存する。
本研究は,様々なセグメンテーション手法,特に色ベースおよび形態ベース手法を洗練し,検討する。
目的は、鉱業環境の文脈における特徴化を損なうオブジェクトベース分析の道筋を強化し、評価することである。
さらに,従来のセグメンテーション手法と深層学習法に根ざした手法との比較分析を行った。
評価された多様なセグメンテーション手法のうち,形態素に基づく深層学習セグメンテーション手法であるセグメンション・アシング・モデル(SAM)は,他の手法と比較して優れた性能を示した。
この結果から, 先端形態学および深層学習技術の導入が, 精度, 効率のよいパイルキャラクタリゼーションに有効であることが示唆された。
本研究の成果は,セグメンテーション戦略の最適化に有用な知見を与え,鉱業環境におけるスポイトパイルのキャラクタリゼーションへのイメージベース技術の適用を促進する。
関連論文リスト
- A Deep Features-Based Approach Using Modified ResNet50 and Gradient Boosting for Visual Sentiments Classification [1.2434714657059942]
本研究は,ディープラーニングアルゴリズムと機械学習アルゴリズムの融合を開発する。
改良されたResNet50から深い特徴を抽出するために,多クラス分類のためのDeep Feature-based Methodが使用されている。
グラデーションブースティングアルゴリズムは感情的な内容を含む写真を分類するために使われてきた。
論文 参考訳（メタデータ） (2024-08-15T04:18:40Z) - DINOv2 Rocks Geological Image Analysis: Classification, Segmentation, and Interpretability [0.0]
本研究では, 岩石試料のCTスキャン画像の分類, セグメンテーション, 解釈可能性について検討した。
地質画像解析において, その有効性, 効率, 適応性を評価するために, セグメンテーション法の比較を行った。
論文 参考訳（メタデータ） (2024-07-25T15:03:36Z) - PAIF: Perception-Aware Infrared-Visible Image Fusion for Attack-Tolerant
Semantic Segmentation [50.556961575275345]
対向シーンにおけるセグメンテーションの堅牢性を促進するための認識認識型融合フレームワークを提案する。
我々は,先進の競争相手に比べて15.3% mIOUの利得で,ロバスト性を大幅に向上させることを示す。
論文 参考訳（メタデータ） (2023-08-08T01:55:44Z) - Multispectral Image Segmentation in Agriculture: A Comprehensive Study
on Fusion Approaches [0.9790238684654974]
本稿では, 農業分野における分断プロセスを強化するために, 融合アプローチの利用に焦点をあてる。
本研究では,RGBとNDVIを入力として組み合わせ,異なる融合手法を比較した。
実験により,エッジ検出やしきい値設定などの手法を応用した古典的セグメンテーション手法が,DLベースのアルゴリズムと効果的に競合できることが明らかになった。
論文 参考訳（メタデータ） (2023-07-31T21:24:41Z) - Two Approaches to Supervised Image Segmentation [55.616364225463066]
本研究は、深層学習とマルチセットニューロンのアプローチの比較実験を開発する。
ディープラーニングアプローチは、画像セグメンテーションの実行の可能性を確認した。
代替のマルチセット手法では、計算資源をほとんど必要とせずに精度を向上することができた。
論文 参考訳（メタデータ） (2023-07-19T16:42:52Z) - Weakly supervised segmentation with point annotations for histopathology
images via contrast-based variational model [7.021021047695508]
病理組織像のセグメンテーション結果を生成するためのコントラストモデルを提案する。
本手法は,病理組織像における対象領域の共通特性を考察し,エンドツーエンドで訓練することができる。
より地域的に一貫性があり、スムーズな境界セグメンテーションを生成することができ、未ラベルの新規領域に対してより堅牢である。
論文 参考訳（メタデータ） (2023-04-07T10:12:21Z) - Model-Based Deep Learning: On the Intersection of Deep Learning and
Optimization [101.32332941117271]
決定アルゴリズムは様々なアプリケーションで使われている。
数理モデルに頼らずにデータから調整された高度パラメトリックアーキテクチャを使用するディープラーニングアプローチが、ますます人気が高まっている。
モデルに基づく最適化とデータ中心のディープラーニングは、しばしば異なる規律とみなされる。
論文 参考訳（メタデータ） (2022-05-05T13:40:08Z) - Consistency and Diversity induced Human Motion Segmentation [231.36289425663702]
本稿では,CDMS(Consistency and Diversity induced Human Motion)アルゴリズムを提案する。
我々のモデルは、ソースとターゲットデータを異なる多層特徴空間に分解する。
ソースとターゲットデータ間の領域ギャップを低減するために、マルチミューチュアル学習戦略を実行する。
論文 参考訳（メタデータ） (2022-02-10T06:23:56Z) - Learning of Inter-Label Geometric Relationships Using Self-Supervised
Learning: Application To Gleason Grade Segmentation [4.898744396854313]
そこで本研究では,PCaの病理組織像に対して,異なる疾患ラベル間の幾何学的関係を学習して合成する方法を提案する。
我々はGleasonスコアを用いた弱教師付きセグメンテーション手法を用いて、疾患領域をセグメンテーションする。
得られたセグメンテーションマップは、行方不明のマスクセグメントを予測するためにShaRe-Net(ShaRe-Net)をトレーニングするために使用される。
論文 参考訳（メタデータ） (2021-10-01T13:47:07Z) - Towards Domain-Agnostic Contrastive Learning [103.40783553846751]
そこで本研究では,DACLという対照的学習に対するドメインに依存しない新しいアプローチを提案する。
このアプローチの鍵となるのは、Mixupノイズを使用して、入力レベルと隠された状態レベルの両方で異なるデータサンプルを混合することで、類似した、異種なサンプルを作成することです。
以上の結果から,DACLはガウスノイズなどの他のドメインに依存しないノイズ発生手法よりも優れるだけでなく,SimCLRのようなドメイン固有の手法とうまく結合していることがわかった。
論文 参考訳（メタデータ） (2020-11-09T13:41:56Z) - Pathological Retinal Region Segmentation From OCT Images Using Geometric
Relation Based Augmentation [84.7571086566595]
本稿では,幾何学と形状の内在的関係を共同で符号化することで,従来のGANベースの医用画像合成法よりも優れた手法を提案する。
提案手法は,取得手順の異なる画像を有する公開RETOUCHデータセット上で,最先端のセグメンテーション手法より優れている。
論文 参考訳（メタデータ） (2020-03-31T11:50:43Z)
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。