論文の概要: MCSDNet: Mesoscale Convective System Detection Network via Multi-scale Spatiotemporal Information

• arxiv url: http://arxiv.org/abs/2404.17186v1
• Date: Fri, 26 Apr 2024 06:40:54 GMT
• ステータス: 処理完了
• システム内更新日: 2024-04-29 13:54:01.453192
• Title: MCSDNet: Mesoscale Convective System Detection Network via Multi-scale Spatiotemporal Information
• Title（参考訳）: MCSDNet:マルチスケール時空間情報によるメソスケール対流系検出ネットワーク
• Authors: Jiajun Liang, Baoquan Zhang, Yunming Ye, Xutao Li, Chuyao Luo, Xukai Fu,
• Abstract要約: メソスケール対流系(MCS)検出のための新しいエンコーダデコーダニューラルネットワークを提案する。 我々が知る限り、マルチスケールの時間情報を用いてMCS領域を検出するのは、これが初めてである。 可視チャネル画像に基づくマルチフレームMCS検出のための最初の公開データセットであるMCSRSIを提案する。
• 参考スコア（独自算出の注目度）: 22.653514040253828
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The accurate detection of Mesoscale Convective Systems (MCS) is crucial for meteorological monitoring due to their potential to cause significant destruction through severe weather phenomena such as hail, thunderstorms, and heavy rainfall. However, the existing methods for MCS detection mostly targets on single-frame detection, which just considers the static characteristics and ignores the temporal evolution in the life cycle of MCS. In this paper, we propose a novel encoder-decoder neural network for MCS detection(MCSDNet). MCSDNet has a simple architecture and is easy to expand. Different from the previous models, MCSDNet targets on multi-frames detection and leverages multi-scale spatiotemporal information for the detection of MCS regions in remote sensing imagery(RSI). As far as we know, it is the first work to utilize multi-scale spatiotemporal information to detect MCS regions. Firstly, we design a multi-scale spatiotemporal information module to extract multi-level semantic from different encoder levels, which makes our models can extract more detail spatiotemporal features. Secondly, a Spatiotemporal Mix Unit(STMU) is introduced to MCSDNet to capture both intra-frame features and inter-frame correlations, which is a scalable module and can be replaced by other spatiotemporal module, e.g., CNN, RNN, Transformer and our proposed Dual Spatiotemporal Attention(DSTA). This means that the future works about spatiotemporal modules can be easily integrated to our model. Finally, we present MCSRSI, the first publicly available dataset for multi-frames MCS detection based on visible channel images from the FY-4A satellite. We also conduct several experiments on MCSRSI and find that our proposed MCSDNet achieve the best performance on MCS detection task when comparing to other baseline methods.
• Abstract（参考訳）: メソスケール対流系(MCS)の正確な検出は、気象観測に欠かせない。 しかし, MCS検出の既存の手法は, 静的特性を考慮し, MCSのライフサイクルにおける時間的進化を無視した単一フレーム検出を主に対象としている。 本稿では,MCSDNet(MCSDNet)のための新しいエンコーダデコーダニューラルネットワークを提案する。 MCSDNetはシンプルなアーキテクチャであり、拡張が容易です。 従来のモデルとは異なり、MCSDNetはマルチフレーム検出をターゲットとし、リモートセンシング画像(RSI)におけるMCS領域の検出にマルチスケール時空間情報を活用する。 私たちが知る限り、マルチスケールの時空間情報を用いてMCS領域を検出するのは、これが初めてである。 まず,異なるエンコーダレベルから多段階のセマンティクスを抽出するマルチスケール時空間情報モジュールを設計し,より詳細な時空間特徴を抽出する。 第2に、MCSDNetに時空間混合ユニット(STMU)を導入し、フレーム内特徴とフレーム間相関の両方をキャプチャし、拡張性のあるモジュールであり、他の時空間モジュール(例えば、CNN、RNN、Transformer、提案した時空間注意(DSTA))に置き換えられる。 これは、時空間モジュールの将来が我々のモデルに容易に統合できることを意味している。 最後に、FY-4A衛星からの可視チャネル画像に基づくマルチフレームMCS検出のための最初の公開データセットであるMCSRSIを提案する。 また,MCSRSI 上でいくつかの実験を行い,提案したMCSDNet が MCS 検出タスクにおいて,他のベースライン手法と比較して最高の性能を発揮することを確認した。

関連論文リスト

• Relating CNN-Transformer Fusion Network for Change Detection [23.025190360146635]
  RCTNetは、空間的特徴と時間的特徴の両方を利用する早期融合バックボーンを導入した。 実験では、従来のRS画像CD法よりもRCTNetの方が明らかに優れていることを示した。
  論文  参考訳（メタデータ） (2024-07-03T14:58:40Z)
• DA-Flow: Dual Attention Normalizing Flow for Skeleton-based Video Anomaly Detection [52.74152717667157]
  本稿では,DAM(Dual Attention Module)と呼ばれる軽量モジュールを提案する。 フレームアテンション機構を使用して、最も重要なフレームを識別し、スケルトンアテンション機構を使用して、最小パラメータとフロップで固定されたパーティション間の広範な関係をキャプチャする。
  論文  参考訳（メタデータ） (2024-06-05T06:18:03Z)
• RSCaMa: Remote Sensing Image Change Captioning with State Space Model [29.945966783242337]
  リモートセンシング画像変化キャプション(RSICC)は、言語における多時間リモートセンシング画像間の表面的変化を記述することを目的としている。 これは、時間的特徴の空間的および時間的モデリングに挑戦する。 本稿では,複数のCaMa層を通した空間空間空間モデリングを効率的に行う新しいRSCaMaモデルを提案する。
  論文  参考訳（メタデータ） (2024-04-29T17:31:00Z)
• TCCT-Net: Two-Stream Network Architecture for Fast and Efficient Engagement Estimation via Behavioral Feature Signals [58.865901821451295]
  本稿では,新しい2ストリーム機能融合 "Tensor-Convolution and Convolution-Transformer Network" (TCCT-Net) アーキテクチャを提案する。 時間空間領域における意味のあるパターンをよりよく学習するために、ハイブリッド畳み込み変換器を統合する「CT」ストリームを設計する。 並行して、時間周波数領域からリッチなパターンを効率的に抽出するために、連続ウェーブレット変換(CWT)を用いて情報を2次元テンソル形式で表現する「TC」ストリームを導入する。
  論文  参考訳（メタデータ） (2024-04-15T06:01:48Z)
• MKF-ADS: Multi-Knowledge Fusion Based Self-supervised Anomaly Detection System for Control Area Network [9.305680247704542]
  制御エリアネットワーク(英: Control Area Network, CAN)は、車両ネットワークにおける電子制御ユニット(ECU)間の通信プロトコルである。 CANは、本質的にセキュリティ上のリスクのために、厳しいセキュリティ上の課題に直面している。 本稿では,MKF-ADSと呼ばれる自己教師付き多知識融合異常検出モデルを提案する。
  論文  参考訳（メタデータ） (2024-03-07T07:40:53Z)
• ARFA: An Asymmetric Receptive Field Autoencoder Model for Spatiotemporal Prediction [55.30913411696375]
  本稿では,非対称な受容場オートエンコーダ (ARFA) モデルを提案する。 エンコーダでは,大域的時間的特徴抽出のための大規模なカーネルモジュールを提案し,デコーダでは局所的時間的再構成のための小さなカーネルモジュールを開発する。 降水予測のための大規模レーダエコーデータセットであるRainBenchを構築し,その領域における気象データの不足に対処する。
  論文  参考訳（メタデータ） (2023-09-01T07:55:53Z)
• Disentangling Structured Components: Towards Adaptive, Interpretable and Scalable Time Series Forecasting [52.47493322446537]
  本研究では,時空間パターンの各コンポーネントを個別にモデル化する適応的,解釈可能,スケーラブルな予測フレームワークを開発する。 SCNNは、空間時間パターンの潜在構造を算術的に特徴づける、MSSの事前定義された生成プロセスで動作する。 SCNNが3つの実世界のデータセットの最先端モデルよりも優れた性能を達成できることを示すため、大規模な実験が行われた。
  論文  参考訳（メタデータ） (2023-05-22T13:39:44Z)
• BSSAD: Towards A Novel Bayesian State-Space Approach for Anomaly Detection in Multivariate Time Series [0.0]
  ベイジアン状態空間異常検出(BSSAD)と呼ばれる新しい,革新的な異常検出手法を提案する。 提案手法の設計は,ベイズ状態空間アルゴリズムの次の状態予測における強みと,繰り返しニューラルネットワークとオートエンコーダの有効性を組み合わせたものである。 特に,粒子フィルタとアンサンブルカルマンフィルタのベイズ状態空間モデルの利用に着目する。
  論文  参考訳（メタデータ） (2023-01-30T16:21:18Z)
• Feature Selection for Multivariate Time Series via Network Pruning [2.2559617939136505]
  MTSデータの特徴選択のためのエンドツーエンドソリューションとして,ニューラル・フィーチャー・セレクタ(NFS)と呼ばれる新しいニューラル・コンポーネントを提案する。 NFSは畳み込み設計に基づいており、2つのモジュールを含んでいる。 提案したNFSモデルを実世界の4つのMSSデータセット上で評価した結果,最先端の手法で同等の結果が得られることがわかった。
  論文  参考訳（メタデータ） (2021-02-11T14:33:39Z)
• Contextual-Bandit Anomaly Detection for IoT Data in Distributed Hierarchical Edge Computing [65.78881372074983]
  IoTデバイスは複雑なディープニューラルネットワーク(DNN)モデルにはほとんど余裕がなく、異常検出タスクをクラウドにオフロードすることは長い遅延を引き起こす。 本稿では,分散階層エッジコンピューティング(HEC)システムを対象とした適応型異常検出手法のデモと構築を行う。 提案手法は,検出タスクをクラウドにオフロードした場合と比較して,精度を犠牲にすることなく検出遅延を著しく低減することを示す。
  論文  参考訳（メタデータ） (2020-04-15T06:13:33Z)
• A Generative Learning Approach for Spatio-temporal Modeling in Connected Vehicular Network [55.852401381113786]
  本稿では,コネクテッドカーの無線アクセス遅延を実現するための総合的時間品質フレームワークであるLaMI(Latency Model Inpainting)を提案する。 LaMIはイメージインペイントと合成のアイデアを採用し、2段階の手順で欠落したレイテンシサンプルを再構築することができる。 特に、パッチ方式のアプローチを用いて各地域で収集されたサンプル間の空間的相関を初めて発見し、その後、原点および高度に相関したサンプルをバラエナオートコーダ(VAE)に供給する。
  論文  参考訳（メタデータ） (2020-03-16T03:43:59Z)

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。