論文の概要: Scrapping The Web For Early Wildfire Detection
- arxiv url: http://arxiv.org/abs/2402.05349v1
- Date: Thu, 8 Feb 2024 02:01:36 GMT
- ステータス: 処理完了
- システム内更新日: 2024-02-09 16:42:29.149100
- Title: Scrapping The Web For Early Wildfire Detection
- Title(参考訳): webをスクレイピングして野火を早期発見する
- Authors: Mateo Lostanlen and Felix Veith and Cristian Buc and Valentin Barriere
- Abstract要約: Pyroはウェブスクレイピングベースのデータセットで、カメラネットワークからの山火事のビデオで構成されている。
データセットは、データの品質と多様性を改善し、最終的なデータを1万枚まで削減する戦略に基づいてフィルタリングされた。
- 参考スコア(独自算出の注目度): 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Early wildfire detection is of the utmost importance to enable rapid response
efforts, and thus minimize the negative impacts of wildfire spreads. To this
end, we present \Pyro, a web-scraping-based dataset composed of videos of
wildfires from a network of cameras that were enhanced with manual
bounding-box-level annotations. Our dataset was filtered based on a strategy to
improve the quality and diversity of the data, reducing the final data to a set
of 10,000 images. We ran experiments using a state-of-the-art object detection
model and found out that the proposed dataset is challenging and its use in
concordance with other public dataset helps to reach higher results overall. We
will make our code and data publicly available.
- Abstract(参考訳): 早期の山火事検出は迅速な対応を可能にするために最も重要であり、山火事の拡散による悪影響を最小限に抑えることができる。
この目的のために,手動バウンディングボックスレベルのアノテーションで拡張されたカメラネットワークからの山火事のビデオからなるWebスクラッピングベースのデータセットである \Pyro を提案する。
当社のデータセットは、データの品質と多様性を改善する戦略に基づいてフィルタリングされ、最終的なデータを10,000イメージに削減しました。
我々は最先端のオブジェクト検出モデルを用いて実験を行い、提案したデータセットは困難であり、他の公開データセットと一致して使用することは、全体的な結果に到達するのに役立ちます。
コードとデータを公開します。
関連論文リスト
- Semi-Supervised Domain Adaptation for Wildfire Detection [20.86166825570607]
本稿では,オブジェクト検出に半教師付きドメイン適応を利用する,山火事検出のための新しいプロトコルを提案する。
我々のデータセットは、現在の最大のベンチマークワイルドファイアデータセットHPWRENの30倍の多様性を持つラベル付きシーンを含んでいる。
我々のフレームワークは、平均精度の3.8%という顕著なマージンで、ソースのみのベースラインを著しく上回ります。
論文 参考訳(メタデータ) (2024-04-02T11:03:13Z) - SARDet-100K: Towards Open-Source Benchmark and ToolKit for Large-Scale
SAR Object Detection [83.21028626585986]
我々は,大規模SARオブジェクト検出のための新しいベンチマークデータセットとオープンソース手法を構築した。
私たちのデータセットであるSARDet-100Kは、10の既存のSAR検出データセットの厳格な調査、収集、標準化の結果です。
私たちの知る限りでは、SARDet-100KはCOCOレベルの大規模マルチクラスSARオブジェクト検出データセットとしては初めてのものです。
論文 参考訳(メタデータ) (2024-03-11T09:20:40Z) - FLAME Diffuser: Grounded Wildfire Image Synthesis using Mask Guided
Diffusion [4.143919750726851]
本研究では,拡散モデルを用いて,真理対のデータセットを生成可能なデータセットオートマトンを提案する。
火炎の位置と大きさを正確に制御しながら、既存の画像に山火事を融合させることができるマスク誘導拡散フレームワークを導入する。
提案するフレームワークは,高品質で真理を呈する画像の膨大なデータセットを生成することができ,特定のタスクにおける注釈付きデータセットのニーズに十分対応できる。
論文 参考訳(メタデータ) (2024-03-06T04:59:38Z) - Enhancing Low-Light Images Using Infrared-Encoded Images [81.8710581927427]
従来の芸術は、主にピクセルワイド・ロスを用いて可視光スペクトルで捉えた低照度画像に焦点を当てていた。
我々は,赤外線カットオフフィルタを除去することにより,低照度環境下で撮影された画像の可視性を高める新しい手法を提案する。
論文 参考訳(メタデータ) (2023-07-09T08:29:19Z) - Wildfire Detection Via Transfer Learning: A Survey [2.766371147936368]
本稿では,山頂や森林見張り塔に設置した通常の視界カメラを用いて,山火事の検知に使用されるさまざまなニューラルネットワークモデルについて検討する。
ニューラルネットワークモデルはImageNet-1Kで事前トレーニングされ、カスタムの山火事データセットで微調整される。
論文 参考訳(メタデータ) (2023-06-21T13:57:04Z) - High-resolution Iterative Feedback Network for Camouflaged Object
Detection [128.893782016078]
カモフラージュされたオブジェクトを背景に視覚的に同化させることは、オブジェクト検出アルゴリズムにとって難しい。
エッジやバウンダリのぼやけた視界を生じさせる細部劣化を避けるために,高分解能テクスチャの詳細を抽出することを目的としている。
我々は,高解像度特徴量による低解像度表現を反復的フィードバック方式で洗練する新しいHitNetを提案する。
論文 参考訳(メタデータ) (2022-03-22T11:20:21Z) - Next Day Wildfire Spread: A Machine Learning Data Set to Predict
Wildfire Spreading from Remote-Sensing Data [5.814925201882753]
Next Day Wildfire Spread」は、アメリカ全土で10年近くにわたってリモートセンシングされたデータを収集した、歴史的な山火事の収集データである。
我々は、このデータの空間情報を利用して、山火事の拡散を予測する畳み込みオートエンコーダを実装した。
このデータセットは、リモートセンシングデータに基づく1日のリードタイムに基づく山火事伝播モデル開発のためのベンチマークとして使用することができる。
論文 参考訳(メタデータ) (2021-12-04T23:28:44Z) - Information Obfuscation of Graph Neural Networks [96.8421624921384]
本稿では,グラフ構造化データを用いた学習において,情報難読化による機密属性保護の問題について検討する。
本稿では,全変動量とワッサーシュタイン距離を交互に学習することで,事前決定された機密属性を局所的にフィルタリングするフレームワークを提案する。
論文 参考訳(メタデータ) (2020-09-28T17:55:04Z) - Multi-Modal Fingerprint Presentation Attack Detection: Evaluation On A
New Dataset [9.783887684870654]
フィンガープリントによるプレゼンテーション攻撃の検出は、ますます困難な問題になりつつある。
本研究は,最近導入された複数のセンサ・モダリティの有用性について考察する。
完全畳み込み型ディープニューラルネットワークフレームワークを用いて包括的解析を行った。
論文 参考訳(メタデータ) (2020-06-12T22:38:23Z) - Boosting Semantic Human Matting with Coarse Annotations [66.8725980604434]
粗いアノテートされた人間のデータセットは、公開データセットから取得し、収集するのがずっと簡単です。
マットリファインメントネットワークは、統一マスクと入力画像とを取り込み、最終アルファマットを予測する。
論文 参考訳(メタデータ) (2020-04-10T09:11:02Z) - JHU-CROWD++: Large-Scale Crowd Counting Dataset and A Benchmark Method [92.15895515035795]
我々は、"4,372"イメージと"1.51万"アノテーションを含む、新しい大規模非制約クラウドカウントデータセット(JHU-CROWD++)を導入する。
本稿では, 残差誤差推定により, 群集密度マップを段階的に生成する新しい群集カウントネットワークを提案する。
論文 参考訳(メタデータ) (2020-04-07T14:59:35Z)
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。