Fugu-MT 論文翻訳(概要): IMAFD: An Interpretable Multi-stage Approach to Flood Detection from time series Multispectral Data

論文の概要: IMAFD: An Interpretable Multi-stage Approach to Flood Detection from time series Multispectral Data

arxiv url: http://arxiv.org/abs/2405.07916v1
Date: Mon, 13 May 2024 16:47:53 GMT
ステータス: 処理完了
システム内更新日: 2024-05-14 12:46:36.259028
Title: IMAFD: An Interpretable Multi-stage Approach to Flood Detection from time series Multispectral Data
Title（参考訳）: IMAFD:時系列マルチスペクトルデータからの洪水検出のための解釈可能な多段階アプローチ
Authors: Ziyang Zhang, Plamen Angelov, Dmitry Kangin, Nicolas Longépé,
Abstract要約: 本稿では,洪水検出のための多段階解析手法IMAFDを提案する。大規模なリモートセンシングタスクに適した、自動的で効率的で解釈可能なソリューションを提供する。上記のすべてのデータセットに対して、提案されたフレームワークは、解釈可能性と洞察を提供する他の方法と比較して、競争力のあるパフォーマンスを示している。
参考スコア（独自算出の注目度）: 9.960331908396379
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: In this paper, we address two critical challenges in the domain of flood detection: the computational expense of large-scale time series change detection and the lack of interpretable decision-making processes on explainable AI (XAI). To overcome these challenges, we proposed an interpretable multi-stage approach to flood detection, IMAFD has been proposed. It provides an automatic, efficient and interpretable solution suitable for large-scale remote sensing tasks and offers insight into the decision-making process. The proposed IMAFD approach combines the analysis of the dynamic time series image sequences to identify images with possible flooding with the static, within-image semantic segmentation. It combines anomaly detection (at both image and pixel level) with semantic segmentation. The flood detection problem is addressed through four stages: (1) at a sequence level: identifying the suspected images (2) at a multi-image level: detecting change within suspected images (3) at an image level: semantic segmentation of images into Land, Water or Cloud class (4) decision making. Our contributions are two folder. First, we efficiently reduced the number of frames to be processed for dense change detection by providing a multi-stage holistic approach to flood detection. Second, the proposed semantic change detection method (stage 3) provides human users with an interpretable decision-making process, while most of the explainable AI (XAI) methods provide post hoc explanations. The evaluation of the proposed IMAFD framework was performed on three datasets, WorldFloods, RavAEn and MediaEval. For all the above datasets, the proposed framework demonstrates a competitive performance compared to other methods offering also interpretability and insight.
Abstract（参考訳）: 本稿では,大規模な時系列変化検出の計算コストと,説明可能なAI(XAI)における解釈可能な意思決定プロセスの欠如という,洪水検出領域における2つの重要な課題に対処する。これらの課題を克服するため,IMAFD が提案されている。大規模なリモートセンシングタスクに適した、自動的で効率的で解釈可能なソリューションを提供し、意思決定プロセスに関する洞察を提供する。 IMAFD手法は動的時系列画像列の解析と,静的な画像内セマンティックセマンティックセマンティックセグメンテーションによるフラッディングが可能な画像の同定を組み合わせたものである。異常検出(画像レベルとピクセルレベルの両方)とセマンティックセグメンテーションを組み合わせる。洪水検出問題は,(1)シーケンスレベル,(2)疑わしい画像の特定,(3)疑わしい画像の変化の検出,(3)画像レベル,(4)画像の土地,水,クラウドクラスへのセマンティックセグメンテーション(セマンティックセグメンテーション)の4段階によって解決される。私たちの貢献は2つのフォルダです。まず,洪水検出のための多段階の全体的アプローチを提供することにより,高密度な変化検出のために処理対象のフレーム数を効率的に削減する。第2に,提案した意味変化検出手法(ステージ) 3) 人間に解釈可能な意思決定プロセスを提供する一方で、説明可能なAI(XAI)メソッドのほとんどは、ポストホックな説明を提供する。 IMAFDフレームワークの評価はWorldFloods, RavAEn, MediaEvalの3つのデータセットを用いて行った。上記のすべてのデータセットに対して、提案されたフレームワークは、解釈可能性と洞察を提供する他の方法と比較して、競争力のあるパフォーマンスを示している。

関連論文リスト

Mismatched: Evaluating the Limits of Image Matching Approaches and Benchmarks [9.388897214344572]
2次元画像からの3次元3次元再構成はコンピュータビジョンにおける活発な研究分野である。伝統的にこの作業にはパラメトリック技術が用いられてきた。近年の進歩は、学習ベースの方法にシフトしている。
論文参考訳（メタデータ） (2024-08-29T11:16:34Z)
Exchange means change: an unsupervised single-temporal change detection framework based on intra- and inter-image patch exchange [44.845959222180866]
画像内および画像間パッチ交換(I3PE)に基づく教師なし単一時間CDフレームワークを提案する。 I3PEフレームワークは、損傷のない、ラベルなしの単一時間リモートセンシング画像上で、深い変化検出を訓練することができる。 I3PEは教師なしのアプローチよりも優れており、SOTA法では10.65%と6.99%のF1値の改善を実現している。
論文参考訳（メタデータ） (2023-10-01T14:50:54Z)
COMICS: End-to-end Bi-grained Contrastive Learning for Multi-face Forgery Detection [56.7599217711363]
顔偽造認識法は一度に1つの顔しか処理できない。ほとんどの顔偽造認識法は一度に1つの顔しか処理できない。マルチフェイスフォージェリ検出のためのエンドツーエンドフレームワークであるCOMICSを提案する。
論文参考訳（メタデータ） (2023-08-03T03:37:13Z)
MMNet: Multi-Collaboration and Multi-Supervision Network for Sequential Deepfake Detection [81.59191603867586]
シークエンシャルディープフェイク検出は、回復のための正しいシーケンスで偽の顔領域を特定することを目的としている。偽画像の復元には、逆変換を実装するための操作モデルの知識が必要である。顔画像の空間スケールや逐次順列化を扱うマルチコラボレーション・マルチスーパービジョンネットワーク(MMNet)を提案する。
論文参考訳（メタデータ） (2023-07-06T02:32:08Z)
Learning to search for and detect objects in foveal images using deep learning [3.655021726150368]
本研究では,画像中のクラスを探索する人間の客観的な注意をエミュレートする固定予測モデルを用いる。そして、各固定点のフェーブされた画像を分類して、シーンにターゲットが存在するか否かを判定する。本稿では,2つのタスク間の知識伝達を可能とし,修正予測と検出を同時に行うことができる新しいデュアルタスクモデルを提案する。
論文参考訳（メタデータ） (2023-04-12T09:50:25Z)
Active Gaze Control for Foveal Scene Exploration [124.11737060344052]
本研究では,葉型カメラを用いた人間とロボットが現場を探索する方法をエミュレートする手法を提案する。提案手法は,同数の視線シフトに対してF1スコアを2～3ポイント増加させる。
論文参考訳（メタデータ） (2022-08-24T14:59:28Z)
Object Class Aware Video Anomaly Detection through Image Translation [1.2944868613449219]
本稿では、画像翻訳タスクを通して正常な外見と動きパターンを学習する2ストリームオブジェクト認識型VAD手法を提案する。その結果,従来の手法の大幅な改善により,本手法による検出は完全に説明可能となり,異常はフレーム内で正確に局所化されることがわかった。
論文参考訳（メタデータ） (2022-05-03T18:04:27Z)
Unsupervised Change Detection in Hyperspectral Images using Feature Fusion Deep Convolutional Autoencoders [15.978029004247617]
本研究の目的は,機能融合深部畳み込みオートエンコーダを用いた特徴抽出システムの構築である。提案手法は,全データセットの教師なし変更検出において,工法の状態よりも明らかに優れていた。
論文参考訳（メタデータ） (2021-09-10T16:52:31Z)
LocalTrans: A Multiscale Local Transformer Network for Cross-Resolution Homography Estimation [52.63874513999119]
クロスレゾリューション画像アライメントは、マルチスケールギガ撮影において重要な問題である。既存のディープ・ホモグラフィー手法は、それらの間の対応の明示的な定式化を無視し、クロスレゾリューションの課題において精度が低下する。本稿では,マルチモーダル入力間の対応性を明確に学習するために,マルチスケール構造内に埋め込まれたローカルトランスフォーマーネットワークを提案する。
論文参考訳（メタデータ） (2021-06-08T02:51:45Z)
M2TR: Multi-modal Multi-scale Transformers for Deepfake Detection [74.19291916812921]
Deepfake技術によって生成された鍛造画像は、デジタル情報の信頼性に深刻な脅威をもたらします。本稿では,Deepfake検出のための微妙な操作アーチファクトを異なるスケールで捉えることを目的とする。最先端の顔スワッピングと顔の再現方法によって生成された4000のDeepFakeビデオで構成される高品質のDeepFakeデータセットSR-DFを紹介します。
論文参考訳（メタデータ） (2021-04-20T05:43:44Z)
Fully Unsupervised Diversity Denoising with Convolutional Variational Autoencoders [81.30960319178725]
完全畳み込み変分オートエンコーダ(VAE)に基づく復調手法であるDivNoisingを提案する。まず, 撮像ノイズモデルをデコーダに明示的に組み込むことにより, 教師なしの雑音発生問題をVAEフレームワーク内に定式化する手法を提案する。このようなノイズモデルは、ノイズの多いデータから測定したり、ブートストラップしたり、トレーニング中に共同学習したりすることが可能である。
論文参考訳（メタデータ） (2020-06-10T21:28:13Z)

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。