論文の概要: Region-level labels in ice charts can produce pixel-level segmentation for Sea Ice types

• arxiv url: http://arxiv.org/abs/2405.10456v1
• Date: Thu, 16 May 2024 21:54:33 GMT
• ステータス: 処理完了
• システム内更新日: 2024-05-20 17:21:37.707357
• Title: Region-level labels in ice charts can produce pixel-level segmentation for Sea Ice types
• Title（参考訳）: 氷チャートにおける領域レベルラベルは、海氷タイプに対するピクセルレベルセグメンテーションを生成できる
• Authors: Muhammed Patel, Xinwei Chen, Linlin Xu, Yuhao Chen, K Andrea Scott, David A. Clausi,
• Abstract要約: 本報告では,海氷分類のための弱教師付き学習法について,専門家による注釈付き氷チャートから低解像度ラベルを用いた。 提案手法は,全教師付きU-Netベンチマークにおいて,マッピングの精度とクラスワイドの精度を両立させる。
• 参考スコア（独自算出の注目度）: 12.480532138980834
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Fully supervised deep learning approaches have demonstrated impressive accuracy in sea ice classification, but their dependence on high-resolution labels presents a significant challenge due to the difficulty of obtaining such data. In response, our weakly supervised learning method provides a compelling alternative by utilizing lower-resolution regional labels from expert-annotated ice charts. This approach achieves exceptional pixel-level classification performance by introducing regional loss representations during training to measure the disparity between predicted and ice chart-derived sea ice type distributions. Leveraging the AI4Arctic Sea Ice Challenge Dataset, our method outperforms the fully supervised U-Net benchmark, the top solution of the AutoIce challenge, in both mapping resolution and class-wise accuracy, marking a significant advancement in automated operational sea ice mapping.
• Abstract（参考訳）: 完全な教師付き深層学習アプローチは、海氷分類において顕著な精度を示しているが、それらの高解像度ラベルへの依存は、そのようなデータを得るのが困難であるため、重大な課題である。 これに対し, 弱教師付き学習法は, 専門家の注釈付き氷チャートから低解像度の地域ラベルを活用することで, 魅力的な代替手段を提供する。 本手法は, 予測値と氷図由来の海氷型分布の差を測定するため, トレーニング中に局所的損失表現を導入することで, 例外的な画素レベルの分類性能を実現する。 AI4Arctic Sea Ice Challenge Datasetを活用することで、AutoIceチャレンジの最高解である完全な教師付きU-Netベンチマークを、マッピングの解像度とクラスの精度の両方で上回り、自動的な海氷マッピングの大幅な進歩を示す。

関連論文リスト

• Towards Kriging-informed Conditional Diffusion for Regional Sea-Level Data Downscaling [3.8178633709015446]
  地球規模の気候モデルや衛星データから粗解射影を推定すると、下降問題は、より詳細な地域気候データを推定することを目的としている。 この問題は、気候変動による重大なリスクに対する効果的な適応、緩和、レジリエンスに社会的に不可欠である。 そこで本稿では, 空間的変動を抑えつつ, 微細な特徴を保ちながら, 空間的変動を捉えるためのKriging-informed Conditional Diffusion Probabilistic Model (Ki-CDPM)を提案する。
  論文  参考訳（メタデータ） (2024-10-21T04:24:10Z)
• Partial Label Learning with Focal Loss for Sea Ice Classification Based on Ice Charts [2.0270474485799017]
  本稿では,海氷分類を学習するための新しいGeoAI手法を提案する。 我々は、ポリゴンレベルのラベルを候補部分ラベルとして扱い、対応する氷濃度を各ラベルの信頼性スコアとして割り当て、焦点損失と統合して畳み込みニューラルネットワーク(CNN)を訓練する。 提案手法により,Sentinel-1双偏極SAR画像の海氷分類性能が向上し,分類精度が87%から92%に向上し,F-1スコアが90%から93%に向上した。
  論文  参考訳（メタデータ） (2024-06-05T22:49:30Z)
• Global-Local Detail Guided Transformer for Sea Ice Recognition in Optical Remote Sensing Images [4.540236408836131]
  光リモートセンシング画像における海氷認識のためのGDGT法を提案する。 GDGTでは、グローバルな局所的な特徴融合機構は、グローバルな構造的相関特徴と局所的な空間的詳細特徴を融合するように設計されている。 海氷認識性能を向上させるため、特徴再構成中により高精細な情報を保持するためのディテールガイドデコーダを開発した。
  論文  参考訳（メタデータ） (2024-05-21T21:02:20Z)
• Progressive Feature Self-reinforcement for Weakly Supervised Semantic Segmentation [55.69128107473125]
  Weakly Supervised Semantic (WSSS) のイメージレベルラベルを用いたシングルステージアプローチを提案する。 我々は、画像内容が決定論的領域(例えば、自信ある前景と背景)と不確実領域(例えば、オブジェクト境界と誤分類されたカテゴリ)に適応的に分割して、別々の処理を行う。 そこで我々は,これらの自信のある領域と同一のクラスラベルを持つ拡張画像とのセマンティック一貫性を制約する補完的な自己強調手法を提案する。
  論文  参考訳（メタデータ） (2023-12-14T13:21:52Z)
• Adaptive Semi-Supervised Segmentation of Brain Vessels with Ambiguous Labels [63.415444378608214]
  提案手法は, 進歩的半教師付き学習, 適応的学習戦略, 境界拡張など, 革新的な手法を取り入れたものである。 3DRAデータセットによる実験結果から,メッシュベースのセグメンテーション指標を用いて,本手法の優位性を示す。
  論文  参考訳（メタデータ） (2023-08-07T14:16:52Z)
• Histogram Layer Time Delay Neural Networks for Passive Sonar Classification [58.720142291102135]
  時間遅延ニューラルネットワークとヒストグラム層を組み合わせた新しい手法により,特徴学習の改善と水中音響目標分類を実現する。 提案手法はベースラインモデルより優れており,受動的ソナー目標認識のための統計的文脈を取り入れた有効性を示す。
  論文  参考訳（メタデータ） (2023-07-25T19:47:26Z)
• AMD-HookNet for Glacier Front Segmentation [17.60067480799222]
  氷河の開削前位置の変化に関する知識は 氷河の状態を評価する上で重要です 深層学習に基づく手法は、光学衛星画像やレーダー衛星画像から氷河の前部線を削る大きな可能性を示している。 本研究では,新しい氷河養生フロントセグメンテーションフレームワークであるAttention-Multi-hooking-Deep-supervision HookNetを提案する。
  論文  参考訳（メタデータ） (2023-02-06T12:39:40Z)
• Data-Driven Short-Term Daily Operational Sea Ice Regional Forecasting [52.77986479871782]
  地球温暖化は北極を海洋活動に利用し、信頼性の高い海氷予測の需要を生み出した。 本研究では,海氷予測のためのU-Netモデルの性能を,今後10日間にわたって検証した。 この深層学習モデルは、気象データの追加と複数の地域での訓練により、単純なベースラインをかなりの差で上回り、その品質を向上させることができることを示す。
  論文  参考訳（メタデータ） (2022-10-17T09:14:35Z)
• Deep Manifold Learning with Graph Mining [80.84145791017968]
  グラフマイニングのための非段階的決定層を持つ新しいグラフ深層モデルを提案する。 提案モデルでは,現行モデルと比較して最先端性能を実現している。
  論文  参考訳（メタデータ） (2022-07-18T04:34:08Z)
• SALT: Sea lice Adaptive Lattice Tracking -- An Unsupervised Approach to Generate an Improved Ocean Model [72.3183990520267]
  シーライス分散と分布を効率的に推定するためのシーライス適応格子追跡手法を提案する。 具体的には、局所的な海洋特性に基づいて、オーシャンモデルの格子グラフにノードをマージすることで、適応的な空間メッシュを生成する。 提案手法は, 変動する気候下での海洋ライス寄生圧マップの予測モデルにより, 積極的養殖管理の促進を約束するものである。
  論文  参考訳（メタデータ） (2021-06-24T17:29:42Z)
• Semi-Supervised Classification and Segmentation on High Resolution Aerial Images [0.0]
  FloodNetは、小さなUAVプラットフォームであるDJI Mavic ProクワッドコプターによってHurricane Harveyにちなんで取得された高解像度の画像データセットである。 このデータセットは、災害後のシナリオに対する損傷評価プロセスを進めるというユニークな課題を示しています。 分類とセマンティックセグメンテーションの課題に対処するソリューションを提案します。
  論文  参考訳（メタデータ） (2021-05-16T09:30:03Z)

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。