論文の概要: Optimizing Contrail Detection: A Deep Learning Approach with EfficientNet-b4 Encoding
- arxiv url: http://arxiv.org/abs/2404.14441v1
- Date: Sat, 20 Apr 2024 00:21:06 GMT
- ステータス: 処理完了
- システム内更新日: 2024-04-24 18:17:13.720832
- Title: Optimizing Contrail Detection: A Deep Learning Approach with EfficientNet-b4 Encoding
- Title（参考訳）: コントラル検出の最適化: 効率的なNet-b4エンコーディングによるディープラーニングアプローチ
- Authors: Qunwei Lin, Qian Leng, Zhicheng Ding, Chao Yan, Xiaonan Xu,
- Abstract要約: 航空業界は、生態系のフットプリントを最小限に抑えるという課題に直面している。
主要な解決策の1つは、航空機の排気によって発生する直線的な氷結晶雲をターゲットとした避妊である。
本稿では,特徴抽出に効率的なネット-b4エンコーダを用いた革新的な深層学習手法を提案する。
- 参考スコア（独自算出の注目度）: 3.106927445586204
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: In the pursuit of environmental sustainability, the aviation industry faces the challenge of minimizing its ecological footprint. Among the key solutions is contrail avoidance, targeting the linear ice-crystal clouds produced by aircraft exhaust. These contrails exacerbate global warming by trapping atmospheric heat, necessitating precise segmentation and comprehensive analysis of contrail images to gauge their environmental impact. However, this segmentation task is complex due to the varying appearances of contrails under different atmospheric conditions and potential misalignment issues in predictive modeling. This paper presents an innovative deep-learning approach utilizing the efficient net-b4 encoder for feature extraction, seamlessly integrating misalignment correction, soft labeling, and pseudo-labeling techniques to enhance the accuracy and efficiency of contrail detection in satellite imagery. The proposed methodology aims to redefine contrail image analysis and contribute to the objectives of sustainable aviation by providing a robust framework for precise contrail detection and analysis in satellite imagery, thus aiding in the mitigation of aviation's environmental impact.
- Abstract（参考訳）: 環境の持続可能性を求める中で、航空産業は生態系のフットプリントを最小限に抑えるという課題に直面している。
主要な解決策の1つは、航空機の排気によって発生する直線的な氷結晶雲をターゲットとした避妊である。
これらのコントラルは、大気熱を捕捉し、正確なセグメンテーションと、環境影響を測定するためのコントラル画像の包括的な分析を必要とすることで、地球温暖化を悪化させる。
しかし、このセグメンテーションタスクは、異なる大気条件下でのコントラルの出現の変化と予測モデルにおける潜在的なミスアライメントの問題により複雑である。
本稿では,特徴抽出に効率的なNet-b4エンコーダを応用した革新的な深層学習手法を提案し,衛星画像における反則検出の精度と効率を高めるために,誤り訂正,ソフトラベリング,擬似ラベル技術とシームレスに統合する。
提案手法は,衛星画像の正確なコントラル検出と分析のための堅牢な枠組みを提供し,航空環境への影響軽減を支援することによって,コントラル画像解析を再定義し,持続可能な航空の目的に寄与することを目的としている。
関連論文リスト
- Perceptual Piercing: Human Visual Cue-based Object Detection in Low Visibility Conditions [2.0409124291940826]
本研究では,大気散乱と人間の視覚野機構に触発された新しい深層学習フレームワークを提案する。
本研究の目的は, 環境条件下での検知システムの精度と信頼性を高めることである。
論文 参考訳（メタデータ） (2024-10-02T04:03:07Z) - Markers Identification for Relative Pose Estimation of an Uncooperative Target [0.0]
本稿では,欧州宇宙機関 (ESA) の環境衛星(ENVISAT) 上の構造マーカーを安全な軌道離脱のために検出する新しい手法を提案する。
マーカー検出精度とロバスト性を改善するために,ノイズ付加やボケリングなどの高度な画像前処理技術が用いられている。
論文 参考訳（メタデータ） (2024-07-30T03:20:54Z) - Super-Resolution Analysis for Landfill Waste Classification [3.737361598712633]
違法な埋立地は環境、経済、公衆衛生への影響から重要な問題である。
本研究は環境犯罪監視に航空画像を利用する。
画像品質の向上による性能向上が観察されたが, モデル感度に影響を及ぼし, 慎重にしきい値の微調整が必要であった。
論文 参考訳（メタデータ） (2024-04-02T09:53:20Z) - Observation-Guided Meteorological Field Downscaling at Station Scale: A
Benchmark and a New Method [66.80344502790231]
気象学的ダウンスケーリングを任意の散乱ステーションスケールに拡張し、新しいベンチマークとデータセットを確立する。
データ同化技術にインスパイアされた我々は、観測データをダウンスケーリングプロセスに統合し、マルチスケールの観測先行情報を提供する。
提案手法は、複数の曲面変数上で、他の特別に設計されたベースラインモデルよりも優れている。
論文 参考訳（メタデータ） (2024-01-22T14:02:56Z) - 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) - Taking a PEEK into YOLOv5 for Satellite Component Recognition via
Entropy-based Visual Explanations [0.0]
本稿では,小型追尾衛星の自律群集を目標形状決定に活用するための取り組みに貢献する。
本研究は、衛星部品検出訓練対象検出モデル「You Only Look Once v5」(YOLOv5)の軌道上での利用について検討する。
論文 参考訳（メタデータ） (2023-11-03T04:21:27Z) - View Consistent Purification for Accurate Cross-View Localization [59.48131378244399]
本稿では,屋外ロボットのための微細な自己局在化手法を提案する。
提案手法は,既存のクロスビューローカライゼーション手法の限界に対処する。
これは、動的環境における知覚を増強する初めての疎視のみの手法である。
論文 参考訳（メタデータ） (2023-08-16T02:51:52Z) - Unsupervised Restoration of Weather-affected Images using Deep Gaussian
Process-based CycleGAN [92.15895515035795]
本稿では,CycleGANに基づくディープネットワークの監視手法について述べる。
我々は,より効果的なトレーニングにつながるCycleGANのトレーニングに新たな損失を導入し,高品質な再構築を実現した。
提案手法は, 脱落, 脱落, 脱落といった様々な修復作業に効果的に適用できることを実証する。
論文 参考訳（メタデータ） (2022-04-23T01:30:47Z) - Robust Single Image Dehazing Based on Consistent and Contrast-Assisted
Reconstruction [95.5735805072852]
画像復調モデルのロバスト性を改善するための新しい密度変分学習フレームワークを提案する。
具体的には、デハジングネットワークは、一貫性の規則化されたフレームワークの下で最適化されている。
我々の手法は最先端のアプローチを大きく上回っている。
論文 参考訳（メタデータ） (2022-03-29T08:11:04Z) - Vision in adverse weather: Augmentation using CycleGANs with various
object detectors for robust perception in autonomous racing [70.16043883381677]
自律レースでは、天気は突然変化し、認識が著しく低下し、非効率な操作が引き起こされる。
悪天候の検知を改善するために、ディープラーニングベースのモデルは通常、そのような状況下でキャプチャされた広範なデータセットを必要とする。
本稿では,5つの最先端検出器のうち4つの性能向上を図るために,自動レース(CycleGANを用いた)における合成悪条件データセットを用いた手法を提案する。
論文 参考訳（メタデータ） (2022-01-10T10:02:40Z) - A feature-supervised generative adversarial network for environmental
monitoring during hazy days [6.276954295407201]
本稿では,環境モニタリングのためのGAN(Generative Adversarial Network)に基づく特徴教師付き学習ネットワークを提案する。
提案手法は,合成データセットと実世界のリモートセンシング画像の両方において,最先端の手法よりも優れた性能を実現している。
論文 参考訳（メタデータ） (2020-08-05T05:27:15Z)
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。