論文の概要: Tree semantic segmentation from aerial image time series

• arxiv url: http://arxiv.org/abs/2407.13102v1
• Date: Thu, 18 Jul 2024 02:19:57 GMT
• ステータス: 処理完了
• システム内更新日: 2024-07-19 19:03:47.694143
• Title: Tree semantic segmentation from aerial image time series
• Title（参考訳）: 航空画像時系列からのツリーセマンティックセグメンテーション
• Authors: Venkatesh Ramesh, Arthur Ouaknine, David Rolnick,
• Abstract要約: 1年以上にわたる空中データセット画像を用いて,樹木のセマンティックセグメンテーションを行う。 単体画像で訓練したモデルと時系列で訓練したモデルを比較し,木表現学がセグメンテーション性能に与える影響を評価する。 樹種分類の階層構造を,種,属,高水準の3つのレベルで予測を洗練させるカスタム・ロス・ファンクションを取り入れることで活用する。
• 参考スコア（独自算出の注目度）: 24.14827064108217
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Earth's forests play an important role in the fight against climate change, and are in turn negatively affected by it. Effective monitoring of different tree species is essential to understanding and improving the health and biodiversity of forests. In this work, we address the challenge of tree species identification by performing semantic segmentation of trees using an aerial image dataset spanning over a year. We compare models trained on single images versus those trained on time series to assess the impact of tree phenology on segmentation performances. We also introduce a simple convolutional block for extracting spatio-temporal features from image time series, enabling the use of popular pretrained backbones and methods. We leverage the hierarchical structure of tree species taxonomy by incorporating a custom loss function that refines predictions at three levels: species, genus, and higher-level taxa. Our findings demonstrate the superiority of our methodology in exploiting the time series modality and confirm that enriching labels using taxonomic information improves the semantic segmentation performance.
• Abstract（参考訳）: 地球の森林は気候変動との戦いにおいて重要な役割を担い、その影響を否定的に受けている。 異なる樹種の効果的なモニタリングは、森林の健康と生物多様性の理解と改善に不可欠である。 本研究では,1年以上にわたる航空画像データセットを用いて,樹木のセマンティックセマンティックセグメンテーションを行うことにより,樹木種同定の課題に対処する。 単体画像で訓練したモデルと時系列で訓練したモデルを比較し,木表現学がセグメンテーション性能に与える影響を評価する。 また、画像時系列から時空間的特徴を抽出するための単純な畳み込みブロックを導入し、一般的な事前訓練されたバックボーンとメソッドの使用を可能にした。 樹種分類の階層構造を,種,属,高水準の3つのレベルで予測を洗練させるカスタム・ロス・ファンクションを取り入れることで活用する。 本研究は,時系列モダリティの活用における方法論の優位性を実証し,分類情報を用いたラベルの充実がセマンティックセグメンテーション性能を向上させることを確認した。

関連論文リスト

• Mining Field Data for Tree Species Recognition at Scale [1.264462543503282]
  本研究では,森林目録データから種ラベルを自動的に抽出する手法を提案する。 空中画像のツリーインスタンスを識別し,人間による関与がほとんどないフィールドデータと照合する。
  論文  参考訳（メタデータ） (2024-08-28T14:25:35Z)
• Forecasting with Hyper-Trees [50.72190208487953]
  Hyper-Treesは時系列モデルのパラメータを学習するために設計されている。 対象とする時系列モデルのパラメータを特徴に関連付けることで、Hyper-Treesはパラメータ非定常性の問題にも対処する。 この新しいアプローチでは、木はまず入力特徴から情報表現を生成し、浅いネットワークはターゲットモデルパラメータにマップする。
  論文  参考訳（メタデータ） (2024-05-13T15:22:15Z)
• Why do Random Forests Work? Understanding Tree Ensembles as Self-Regularizing Adaptive Smoothers [68.76846801719095]
  統計学で広く普及している偏りと分散還元に対する現在の高次二分法は、木のアンサンブルを理解するには不十分である、と我々は主張する。 森林は、通常暗黙的に絡み合っている3つの異なるメカニズムによって、樹木を改良できることを示す。
  論文  参考訳（メタデータ） (2024-02-02T15:36:43Z)
• Automated Identification of Tree Species by Bark Texture Classification Using Convolutional Neural Networks [0.0]
  樹木種の同定は、森林保全、病気の診断、植物生産といった森林関連業務において重要な役割を担っている。 木の一部が葉、果物、花、樹皮であるべきか、区別するために使用されるのかという議論があった。 本稿では,50種の木を分類するために,コンピュータビジョンの手法を活用することによって,ディープラーニングに基づくアプローチを提案する。
  論文  参考訳（メタデータ） (2022-10-03T13:09:50Z)
• Neuroevolution-based Classifiers for Deforestation Detection in Tropical Forests [62.997667081978825]
  森林破壊や荒廃により、毎年何百万ヘクタールもの熱帯林が失われる。 監視・森林破壊検知プログラムは、犯罪者の予防・処罰のための公共政策に加えて、使用されている。 本稿では,熱帯林の森林破壊検出作業におけるニューロ進化技術(NEAT)に基づくパターン分類器の利用を提案する。
  論文  参考訳（メタデータ） (2022-08-23T16:04:12Z)
• Classification of Bark Beetle-Induced Forest Tree Mortality using Deep Learning [7.032774322952993]
  本研究では,深層学習に基づく学習手法を提案し,樹皮攻撃の異なる段階を木レベルで効果的に分類する。 提案手法は、無人航空機(UAV)が捉えた画像の異なる攻撃ステージを分類するために、RetinaNetアーキテクチャを用いて浅いサブネットワークを訓練する。 実験により, 平均精度98.95%を達成し, ベースライン法を約10%上回り, 提案手法の有効性を実証した。
  論文  参考訳（メタデータ） (2022-07-15T00:16:25Z)
• Tree Reconstruction using Topology Optimisation [0.685316573653194]
  本稿では,点雲データから木の枝構造を抽出する一般的な手法を提案する。 本稿では,木構造復元における新しいアプローチの利点と欠点について論じる。 本手法は,ほとんどの場合,詳細かつ正確な木構造を生成する。
  論文  参考訳（メタデータ） (2022-05-26T07:08:32Z)
• A hybrid convolutional neural network/active contour approach to segmenting dead trees in aerial imagery [0.5276232626689566]
  枯木は森林全体の健康の指標であり、森林生態系の3分の1の生物多様性を収容し、世界の炭素在庫の8%を構成している。 本稿では,既存の畳み込みニューラルネットワークと新しいアクティブな輪郭モデルを組み合わせたエネルギー最小化フレームワークを用いて,空中写真から死んだ木の正確な形状輪郭を構築する手法を提案する。
  論文  参考訳（メタデータ） (2021-12-06T00:53:51Z)
• Intersection Regularization for Extracting Semantic Attributes [72.53481390411173]
  本稿では,ネットワーク抽出した特徴が意味属性のセットと一致するように,教師付き分類の問題を考える。 例えば、鳥類のイメージを種に分類することを学ぶとき、動物学者が鳥類を分類するために使用する特徴の出現を観察したい。 本稿では,複数層パーセプトロン(MLP)と並列決定木を併用した,離散的なトップレベルアクティベーションを持つニューラルネットワークのトレーニングを提案する。
  論文  参考訳（メタデータ） (2021-03-22T14:32:44Z)
• MurTree: Optimal Classification Trees via Dynamic Programming and Search [61.817059565926336]
  動的プログラミングと探索に基づいて最適な分類木を学習するための新しいアルゴリズムを提案する。 当社のアプローチでは,最先端技術が必要とする時間のごく一部しか使用せず,数万のインスタンスでデータセットを処理することが可能です。
  論文  参考訳（メタデータ） (2020-07-24T17:06:55Z)
• Two-View Fine-grained Classification of Plant Species [66.75915278733197]
  本研究では,2視点の葉のイメージ表現に基づく新しい手法と,植物種の粒度認識のための階層的分類戦略を提案する。 シームズ畳み込みニューラルネットワークに基づく深度測定は、多数のトレーニングサンプルへの依存を減らし、新しい植物種に拡張性を持たせるために用いられる。
  論文  参考訳（メタデータ） (2020-05-18T21:57:47Z)

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。