論文の概要: Gasformer: A Transformer-based Architecture for Segmenting Methane Emissions from Livestock in Optical Gas Imaging

• arxiv url: http://arxiv.org/abs/2404.10841v1
• Date: Tue, 16 Apr 2024 18:38:23 GMT
• ステータス: 処理完了
• システム内更新日: 2024-04-18 18:12:17.204579
• Title: Gasformer: A Transformer-based Architecture for Segmenting Methane Emissions from Livestock in Optical Gas Imaging
• Title（参考訳）: Gasformer: 光ガスイメージングにおける家畜からのメタン排出を分離するトランスフォーマーベースのアーキテクチャ
• Authors: Toqi Tahamid Sarker, Mohamed G Embaby, Khaled R Ahmed, Amer AbuGhazaleh,
• Abstract要約: 家畜、特に牛からのメタンの排出は、気候変動に大きく貢献する。 本稿では,家畜からの低流量メタン排出量を検出するためのセマンティックセグメンテーションアーキテクチャであるガスホルマを紹介する。 FLIR GF77 OGIカメラで捉えた2つのユニークなデータセットを示す。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Methane emissions from livestock, particularly cattle, significantly contribute to climate change. Effective methane emission mitigation strategies are crucial as the global population and demand for livestock products increase. We introduce Gasformer, a novel semantic segmentation architecture for detecting low-flow rate methane emissions from livestock, and controlled release experiments using optical gas imaging. We present two unique datasets captured with a FLIR GF77 OGI camera. Gasformer leverages a Mix Vision Transformer encoder and a Light-Ham decoder to generate multi-scale features and refine segmentation maps. Gasformer outperforms other state-of-the-art models on both datasets, demonstrating its effectiveness in detecting and segmenting methane plumes in controlled and real-world scenarios. On the livestock dataset, Gasformer achieves mIoU of 88.56%, surpassing other state-of-the-art models. Materials are available at: github.com/toqitahamid/Gasformer.
• Abstract（参考訳）: 家畜、特に牛からのメタンの排出は、気候変動に大きく貢献する。 世界の人口と家畜製品の需要が増大するにつれて、効果的なメタン排出量削減戦略が不可欠である。 本稿では,家畜からの低流量メタン排出量を検出するためのセマンティックセグメンテーションアーキテクチャであるGasformerを紹介する。 FLIR GF77 OGIカメラで捉えた2つのユニークなデータセットを示す。 GasformerはMix Vision TransformerエンコーダとLight-Hamデコーダを利用して、マルチスケールの機能とセグメンテーションマップを生成する。 Gasformerは両方のデータセットにおける他の最先端モデルよりも優れており、制御された実世界のシナリオにおけるメタンプラムの検出とセグメンテーションの有効性を実証している。 家畜のデータセットでは、ガスホルダーは88.56%のmIoUを達成し、他の最先端モデルを上回っている。 資料はgithub.com/toqitahamid/Gasformerで入手できる。

関連論文リスト

• Machine Learning for Methane Detection and Quantification from Space -- A survey [49.7996292123687]
  メタン (CH_4) は強力な温室効果ガスであり、20年間で二酸化炭素 (CO_2) の86倍の温暖化に寄与する。 この研究は、ショートウェーブ赤外線(SWIR)帯域におけるメタン点源検出センサの既存の情報を拡張する。 従来の機械学習(ML)アプローチと同様に、最先端の技術をレビューする。
  論文  参考訳（メタデータ） (2024-08-27T15:03:20Z)
• GeoViT: A Versatile Vision Transformer Architecture for Geospatial Image Analysis [2.1647301294759624]
  マルチモーダルセグメンテーションのための衛星画像処理に有効なコンパクト・ビジョン・トランスフォーマーモデルGeoViTを紹介する。 発電速度,燃料タイプ,CO2の配管被覆率,高分解能NO2濃度マッピングの精度が向上した。
  論文  参考訳（メタデータ） (2023-11-24T06:22:38Z)
• Autonomous Detection of Methane Emissions in Multispectral Satellite Data Using Deep Learning [73.01013149014865]
  メタンは最も強力な温室効果ガスの1つである。 現在のメタン放出モニタリング技術は、近似的な放出要因や自己報告に依存している。 深層学習法は、Sentinel-2衛星マルチスペクトルデータにおけるメタン漏れの自動検出に利用することができる。
  論文  参考訳（メタデータ） (2023-08-21T19:36:50Z)
• MethaneMapper: Spectral Absorption aware Hyperspectral Transformer for Methane Detection [13.247385727508155]
  メタンは地球規模の気候変動に大きく貢献している。 本稿では, 放射を検出・定量化するために, 端から端までのスペクトル吸収波長を考慮したトランスネットワークMethaneMapperを提案する。 MethaneMapperは検出時に0.63mAPを達成し、現在の技術と比べてモデルサイズ(5倍)を縮小する。
  論文  参考訳（メタデータ） (2023-04-05T22:15:18Z)
• Detecting Methane Plumes using PRISMA: Deep Learning Model and Data Augmentation [67.32835203947133]
  PRISMAのような新世代の超スペクトル画像装置は、高空間分解能(30m)で宇宙からメタン(CH4)プラムの検出能力を著しく改善した。 ここでは、PRISMA衛星ミッションの画像を用いてCH4プラムを識別するための完全なフレームワークと、広範囲のプラムを検出可能なディープラーニングモデルを提案する。
  論文  参考訳（メタデータ） (2022-11-17T17:36:05Z)
• Towards Generating Large Synthetic Phytoplankton Datasets for Efficient Monitoring of Harmful Algal Blooms [77.25251419910205]
  有害な藻類(HAB)は養殖農場で重大な魚死を引き起こす。 現在、有害藻や他の植物プランクトンを列挙する標準的な方法は、顕微鏡でそれらを手動で観察し数えることである。 合成画像の生成にはGAN(Generative Adversarial Networks)を用いる。
  論文  参考訳（メタデータ） (2022-08-03T20:15:55Z)
• METER-ML: A Multi-sensor Earth Observation Benchmark for Automated Methane Source Mapping [2.814379852040968]
  深層学習はメタン源の位置と特性を特定することができる。 機械学習の研究者や実践者が自動マッピングのアプローチを構築できるような、公開データの欠如がある。 我々は、米国内で86,625のジオレファレンスNAIP、Sentinel-1、Sentinel-2画像を含むMETER-MLと呼ばれるマルチセンサーデータセットを構築した。 本モデルでは, 油田精油所および石油ターミナルにおける集中給餌作業の精度を0.915の精度で再現し, 油田精油所および石油ターミナルの0.821の精度で評価した。
  論文  参考訳（メタデータ） (2022-07-22T16:12:07Z)
• Counting Cows: Tracking Illegal Cattle Ranching From High-Resolution Satellite Imagery [59.32805936205217]
  牛の農業は世界の温室効果ガス排出量の8.8%を占めている。 40cmの解像度でアマゾンの衛星画像を取得し、合計28498頭の牛を含む903枚の画像のデータセットをまとめた。 本実験は,有望な結果を示し,これらの課題を解決するためのアルゴリズムとデータ収集プロセスのいずれにおいても,次のステップの重要方向を示すものである。
  論文  参考訳（メタデータ） (2020-11-14T19:07:39Z)
• Dual In-painting Model for Unsupervised Gaze Correction and Animation in the Wild [82.42401132933462]
  視線角度と頭部ポーズの正確なアノテーションを必要とせずに機能する解を提案する。 我々の手法は3つの新しいモジュールからなる: Gaze Correction Module (GCM)、 Gaze Animation Module (GAM)、 Pretrained Autoencoder Module (PAM)。
  論文  参考訳（メタデータ） (2020-08-09T23:14:16Z)

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。