論文の概要: Comparing Deep Learning Models for Rice Mapping in Bhutan Using High Resolution Satellite Imagery

• arxiv url: http://arxiv.org/abs/2406.07482v1
• Date: Tue, 11 Jun 2024 17:25:46 GMT
• ステータス: 処理完了
• システム内更新日: 2024-06-12 14:45:44.664629
• Title: Comparing Deep Learning Models for Rice Mapping in Bhutan Using High Resolution Satellite Imagery
• Title（参考訳）: 高解像度衛星画像を用いたブータンにおける水稲マッピングのための深層学習モデルの比較
• Authors: Biplov Bhandari, Timothy Mayer,
• Abstract要約: 本研究は,ブータン最上位の稲作地であるパロにおける作物の種類と収量に着目した。 2つのDeep Learningアプローチ、ポイントベース(DNN)とパッチベース(U-Net)モデルがクラウドコンピューティングプラットフォームと併用された。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The Bhutanese government is increasing its utilization of technological approaches such as including Remote Sensing-based knowledge in their decision-making process. This study focuses on crop type and crop extent in Paro, one of the top rice-yielding districts in Bhutan, and employs publicly available NICFI high-resolution satellite imagery from Planet. Two Deep Learning (DL) approaches, point-based (DNN) and patch-based (U-Net), models were used in conjunction with cloud-computing platforms. Three different models per DL approaches (DNN and U-Net) were trained: 1) RGBN channels from Planet; 2) RGBN and elevation data (RGBNE); 3) RGBN and Sentinel-1 (S1) data (RGBNS), and RGBN with E and S1 data (RGBNES). From this comprehensive analysis, the U-Net displayed higher performance metrics across both model training and model validation efforts. Among the U-Net model sets, the RGBN, RGBNE, RGBNS, and RGBNES models had an F1-score of 0.8546, 0.8563, 0.8467, and 0.8500 respectively. An independent model evaluation was performed and found a high level of performance variation across all the metrics. For this independent model evaluation, the U-Net RGBN, RGBNE, RGBNES, and RGBN models displayed the F1-scores of 0.5935, 0.6154, 0.5882, and 0.6582, suggesting U-Net RGBNES as the best model. The study shows that the DL approaches can predict rice. Also, DL methods can be used with the survey-based approaches currently utilized by the Bhutan Department of Agriculture. Further, this study demonstrated the usage of regional land cover products such as SERVIR's RLCMS as a weak label approach to capture different strata addressing the class imbalance problem and improving the sampling design for DL application. Finally, through preliminary model testing and comparisons outlined it was shown that using additional features such as NDVI, EVI, and NDWI did not drastically improve model performance.
• Abstract（参考訳）: ブータン政府は、意思決定プロセスにおけるリモートセンシングに基づく知識などの技術的アプローチの利用を拡大している。 本研究では,ブータン最高収量圏であるパロの作物の種類と収量に着目し,惑星からのNICFI高解像度衛星画像を用いた。 2つのDeep Learning(DL)アプローチ、ポイントベース(DNN)とパッチベース(U-Net)モデルが、クラウドコンピューティングプラットフォームと組み合わせて使用された。 DLアプローチ毎に3つの異なるモデル(DNNとU-Net)をトレーニングした。 1)惑星からのRGBNチャネル 2)RGBNと標高データ(RGBNE) 3)RGBNおよびSentinel-1(S1)データ(RGBNS)、EおよびS1データ(RGBNES)を備えたRGBN。 この包括的な分析から、U-Netはモデルトレーニングとモデル検証の両方でより高いパフォーマンス指標を示した。 U-Netモデルセットのうち、RGBN、RGBNE、RGBNS、RGBNESモデルはそれぞれ0.8546、0.8563、0.8467、0.8500のF1スコアを持つ。 独立したモデル評価を行い、すべてのメトリクスで高いレベルのパフォーマンス変化が見つかった。 この独立したモデル評価のために、U-Net RGBN、RGBNE、RGBNES、RGBNはF1スコア0.5935、0.6154、0.5882、0.6582を示し、U-Net RGBNESが最良のモデルであると示唆した。 この研究は、DLアプローチが米を予測できることを示している。 また、現在ブータン農務省が活用している調査に基づくアプローチでもDL手法が利用できる。 さらに,SERVIR の RLCMS などの地域被覆製品を用いて,クラス不均衡問題に対処する異なる層を捕捉し,DL アプリケーションにおけるサンプリング設計の改善を図る。 最後に、予備モデルテストと比較の結果、NDVI、EVI、NDWIといった追加機能を使用することで、モデルの性能が大幅に向上しなかったことが示されている。

関連論文リスト

• MLP, XGBoost, KAN, TDNN, and LSTM-GRU Hybrid RNN with Attention for SPX and NDX European Call Option Pricing [0.0]
  各種ニューラルネットワークアーキテクチャの性能について検討する。 S&P 500 (SPX) とNASDAQ 100 (NDX) の指数オプションは2015-2023年に取引され、成熟期間は15日から4年以上である。 Black & Scholes (BS) の PDE citeBlack1973 モデルでは、実際のデータと同等の価格設定がベンチマークとして使用される。
  論文  参考訳（メタデータ） (2024-08-26T21:32:49Z)
• Comparative Analysis on Snowmelt-Driven Streamflow Forecasting Using Machine Learning Techniques [0.20971479389679332]
  我々は、時相畳み込みネットワーク(TCN)を利用した、最先端(SOTA)深層学習シーケンシャルモデルを提案する。 提案モデルの性能を評価するため,SVR(Support Vector Regression),LSTM(Long Short Term Memory),Transformer(Transformer)など,他の一般的なモデルとの比較分析を行った。 平均値では、TNが他のモデルより優れており、MAEは0.011、RMSEは0.023、R2$は0.991、KGEは0.992、NSEは0.991である。
  論文  参考訳（メタデータ） (2024-04-20T09:02:50Z)
• Detection of Spider Mites on Labrador Beans through Machine Learning Approaches Using Custom Datasets [0.0]
  本研究では, 実環境下で収集したRGBおよびNIRデータを, JAI FS-1600D-10GEカメラを用いて, RGBNデータセットを構築することで, 植物病検出のための視覚機械学習手法を提案する。 YOLOv8とシーケンシャルCNNを用いた2段階早期植物病検出モデルを用いて、部分ラベル付きデータセットのトレーニングを行い、単一段階のエンドツーエンドセグメンテーションモデルと比較して3.6%のmAP増加を示した。 ResNet15とシーケンシャルCNNモデルを用いたRGBと比較して、RGBNを用いて平均6.25%の検証精度が向上した。
  論文  参考訳（メタデータ） (2024-02-12T18:57:06Z)
• CroCo: Cross-Modal Contrastive learning for localization of Earth Observation data [62.96337162094726]
  地上のLiDAR点雲をリモートセンシング画像上にローカライズすることに興味がある。 本稿では,DEMと高分解能光学画像に基づいて学習を行うコントラスト学習手法を提案する。 ベストシナリオは、トップ1スコア0.71、トップ5スコア0.81を得る。
  論文  参考訳（メタデータ） (2022-04-14T15:55:00Z)
• Full RGB Just Noticeable Difference (JND) Modelling [69.42889006770018]
  Just Noticeable difference (JND) はマルチメディア信号処理に多くの応用がある。 本稿では,全RGBチャネルの特性を考慮し,JNDを生成するJNDモデルを提案する。 RGB-JND-NETは、完全なRGBチャネルの視覚コンテンツを用いてJND生成のための特徴を抽出する。
  論文  参考訳（メタデータ） (2022-03-01T17:16:57Z)
• GDP: Stabilized Neural Network Pruning via Gates with Differentiable Polarization [84.57695474130273]
  ゲートベースまたは重要度に基づくプルーニング手法は、重要度が最小のチャネルを削除することを目的としている。 GDPは、各チャネルのオン・アンド・オフを制御するために、ベルやホイッスルのない畳み込み層の前に接続することができる。 CIFAR-10とImageNetデータセットを用いて行った実験は、提案したGDPが最先端のパフォーマンスを達成することを示している。
  論文  参考訳（メタデータ） (2021-09-06T03:17:10Z)
• ANNETTE: Accurate Neural Network Execution Time Estimation with Stacked Models [56.21470608621633]
  本稿では,アーキテクチャ検索を対象ハードウェアから切り離すための時間推定フレームワークを提案する。 提案手法は,マイクロカーネルと多層ベンチマークからモデルの集合を抽出し,マッピングとネットワーク実行時間推定のためのスタックモデルを生成する。 生成した混合モデルの推定精度と忠実度, 統計モデルとルーフラインモデル, 評価のための洗練されたルーフラインモデルを比較した。
  論文  参考訳（メタデータ） (2021-05-07T11:39:05Z)
• TextGNN: Improving Text Encoder via Graph Neural Network in Sponsored Search [11.203006652211075]
  本稿では,ユーザの履歴行動から補完するグラフ情報を用いて,強いツインタワー構造エンコーダを自然に拡張するtextgnnモデルを提案する。 オフライン実験では、ロングテール低周波広告の精度が1%向上し、ROC-AUC全体の0.14%の増加を達成する。 オンラインa/bテストでは、1ミルあたりの収益が2.03%増加し、広告欠陥率は2.32%減少した。
  論文  参考訳（メタデータ） (2021-01-15T23:12:47Z)
• RGB-D Salient Object Detection: A Survey [195.83586883670358]
  様々な観点からRGB-Dに基づくSODモデルを総合的に調査する。 また、このドメインからSODモデルと人気のあるベンチマークデータセットもレビューします。 今後の研究に向けたRGB-DベースのSODの課題と方向性について論じる。
  論文  参考訳（メタデータ） (2020-08-01T10:01:32Z)
• Landslide Segmentation with U-Net: Evaluating Different Sampling Methods and Patch Sizes [0.0]
  この研究は、ブラジルのノヴァ・フリブルゴ市の地すべりを自動的に分割するために、U-netという名前の完全な畳み込み深層学習モデルを使用した。 目的は、パッチサイズ、サンプリング方法、データセットがモデル全体の精度に与える影響を評価することである。
  論文  参考訳（メタデータ） (2020-07-13T20:28:46Z)
• Synergistic saliency and depth prediction for RGB-D saliency detection [76.27406945671379]
  既存のRGB-Dサリエンシデータセットは小さく、多様なシナリオに対して過度に適合し、限定的な一般化につながる可能性がある。 そこで本研究では,RGB-Dサリエンシ検出のための半教師付きシステムを提案する。
  論文  参考訳（メタデータ） (2020-07-03T14:24:41Z)

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。