論文の概要: Global-Local Detail Guided Transformer for Sea Ice Recognition in Optical Remote Sensing Images

• arxiv url: http://arxiv.org/abs/2405.13197v1
• Date: Tue, 21 May 2024 21:02:20 GMT
• ステータス: 処理完了
• システム内更新日: 2024-05-25 02:03:26.388140
• Title: Global-Local Detail Guided Transformer for Sea Ice Recognition in Optical Remote Sensing Images
• Title（参考訳）: 光リモートセンシング画像における海氷認識のためのグローバルローカル詳細案内変換器
• Authors: Zhanchao Huang, Wenjun Hong, Hua Su,
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 4.540236408836131
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: The recognition of sea ice is of great significance for reflecting climate change and ensuring the safety of ship navigation. Recently, many deep learning based methods have been proposed and applied to segment and recognize sea ice regions. However, the diverse scales of sea ice areas, the zigzag and fine edge contours, and the difficulty in distinguishing different types of sea ice pose challenges to existing sea ice recognition models. In this paper, a Global-Local Detail Guided Transformer (GDGT) method is proposed for sea ice recognition in optical remote sensing images. In GDGT, a global-local feature fusiont mechanism is designed to fuse global structural correlation features and local spatial detail features. Furthermore, a detail-guided decoder is developed to retain more high-resolution detail information during feature reconstruction for improving the performance of sea ice recognition. Experiments on the produced sea ice dataset demonstrated the effectiveness and advancement of GDGT.
• Abstract（参考訳）: 海氷の認識は、気候変動を反映し、航海の安全を確保する上で非常に重要である。 近年,多くの深層学習手法が提案され,海氷領域のセグメンテーションと認識に応用されている。 しかし, 海氷域の多様さ, ジグザグと細い縁の輪郭, 異なる種類の海氷の識別が困難であることは, 既存の海氷認識モデルに課題をもたらす。 本稿では,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。 さらに、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。 生成した海氷データセットの実験により, GDGTの有効性と進歩が示された。

関連論文リスト

• A Computer Vision Approach to Estimate the Localized Sea State [45.498315114762484]
  本研究は, 船橋に設置した静止カメラ1台が捉えた運用用封筒内の海像の活用に焦点を当てた。 収集した画像は、深層学習モデルを訓練し、ビューフォートスケールに基づいて海の状態を自動的に認識する。
  論文  参考訳（メタデータ） (2024-07-04T09:07:25Z)
• Region-level labels in ice charts can produce pixel-level segmentation for Sea Ice types [12.480532138980834]
  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。
  論文  参考訳（メタデータ） (2024-05-16T21:54:33Z)
• Boundary Aware U-Net for Glacier Segmentation [1.1715858161748574]
  大規模で空間的に重複しないクリーンな氷河氷と破片で覆われた氷河氷の分断のために,U-Netの修正版を提案する。 破砕した氷河氷のセグメンテーション性能を向上させるために, 新たな自己学習境界認識損失を導入する。 我々は、ランドサット7号の画像から、赤、短波赤外、近赤外線の帯が、破片で覆われた氷河の分断に最も寄与していると結論付けた。
  論文  参考訳（メタデータ） (2023-01-26T22:58:23Z)
• 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)
• GlacierNet2: A Hybrid Multi-Model Learning Architecture for Alpine Glacier Mapping [5.953569982292301]
  氷河の幾何学に関するテーマ的かつ定量的な情報は、気候変動に対する氷河の強制と感受性を理解するのに不可欠である。 デブリ被覆氷河(DCG)の正確なマッピングは、スペクトル情報と従来の機械学習技術によって難しいことが知られている。 本研究の目的は、畳み込みニューラルネットワークセグメンテーションモデルを利用して、地域のDCGアブレーションゾーンを正確に概説する、先進的なディープラーニングベースのアプローチであるGlacierNetを改善することである。
  論文  参考訳（メタデータ） (2022-04-06T14:39:34Z)
• Simulating surface height and terminus position for marine outlet glaciers using a level set method with data assimilation [0.0]
  我々は,氷面と終端位置観測を数値的な氷流モデルに統合するためのデータ同化フレームワークを実装した。 このモデルはまた、グリーンランド氷床の主要な干潟であるヘルハイム氷河のシミュレーションにも適用されている。
  論文  参考訳（メタデータ） (2022-01-28T16:45:37Z)
• 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)
• Physically-Consistent Generative Adversarial Networks for Coastal Flood Visualization [60.690929022840685]
  合成視覚衛星画像の物理的整合性を確保するための,最初のディープラーニングパイプラインを提案する。 物理ベースのフラッドマップと比較して画像を評価することにより,提案手法が物理一貫性とフォトリアリズムの両方においてベースラインモデルを上回ることを見出した。 地球観測における画像と画像の翻訳を研究するために、25k以上の画像ペアのデータセットを公開する。
  論文  参考訳（メタデータ） (2021-04-10T15:00:15Z)
• Machine Learning for Glacier Monitoring in the Hindu Kush Himalaya [54.12023102155757]
  氷河マッピングは、hkh領域における生態モニタリングの鍵となる。 気候変動は、氷河生態系の健康に依存している個人にリスクを与える。 本稿では,氷河に着目した環境モニタリングを支援する機械学習手法を提案する。
  論文  参考訳（メタデータ） (2020-12-09T12:48:06Z)
• Movement Tracks for the Automatic Detection of Fish Behavior in Videos [63.85815474157357]
  水中ビデオでサブルフィッシュ(Anoplopoma fimbria)の発芽行動のデータセットを提供し,その上での深層学習(DL)法による行動検出について検討した。 提案する検出システムは,Long Short-Term Memory(LSTM)ネットワークを用いて,サブルフィッシュの起動動作を識別する。
  論文  参考訳（メタデータ） (2020-11-28T05:51:19Z)

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。