論文の概要: Enhancing Environmental Monitoring through Multispectral Imaging: The WasteMS Dataset for Semantic Segmentation of Lakeside Waste
- arxiv url: http://arxiv.org/abs/2407.17028v1
- Date: Wed, 24 Jul 2024 06:15:28 GMT
- ステータス: 処理完了
- システム内更新日: 2024-07-25 14:43:30.642945
- Title: Enhancing Environmental Monitoring through Multispectral Imaging: The WasteMS Dataset for Semantic Segmentation of Lakeside Waste
- Title（参考訳）: マルチスペクトルイメージングによる環境モニタリングの強化:湖岸廃棄物のセマンティックセグメンテーションのための廃棄物MSデータセット
- Authors: Qinfeng Zhu, Ningxin Weng, Lei Fan, Yuanzhi Cai,
- Abstract要約: 本研究では,湖岸廃棄物のセマンティックセグメンテーションのために確立された最初のマルチスペクトルデータセットであるDesteMSを紹介する。
画像中の無駄をラベル付けするための厳密なアノテーションプロセスを実装した。
湖岸芝生における廃棄物処理における廃棄物処理の課題について考察した。
- 参考スコア（独自算出の注目度）: 1.4604369887945985
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Environmental monitoring of lakeside green areas is crucial for environmental protection. Compared to manual inspections, computer vision technologies offer a more efficient solution when deployed on-site. Multispectral imaging provides diverse information about objects under different spectrums, aiding in the differentiation between waste and lakeside lawn environments. This study introduces WasteMS, the first multispectral dataset established for the semantic segmentation of lakeside waste. WasteMS includes a diverse range of waste types in lawn environments, captured under various lighting conditions. We implemented a rigorous annotation process to label waste in images. Representative semantic segmentation frameworks were used to evaluate segmentation accuracy using WasteMS. Challenges encountered when using WasteMS for segmenting waste on lakeside lawns were discussed. The WasteMS dataset is available at https://github.com/zhuqinfeng1999/WasteMS.
- Abstract（参考訳）: 湖岸緑地の環境モニタリングは環境保護に不可欠である。
手動検査と比較して、コンピュータビジョン技術は、現場に配備された場合、より効率的なソリューションを提供する。
マルチスペクトルイメージングは、異なるスペクトル下での物体についての多様な情報を提供し、廃棄物と湖岸の芝生の環境の分化に寄与する。
本研究では,湖岸廃棄物のセマンティックセグメンテーションのために確立された最初のマルチスペクトルデータセットであるDesteMSを紹介する。
WasteMSは、様々な照明条件下で捕獲された芝生の環境において、さまざまな種類の廃棄物を含む。
画像中の無駄をラベル付けするための厳密なアノテーションプロセスを実装した。
WasteMSを用いてセグメンテーションの精度を評価するために,代表的セグメンテーションフレームワークを用いた。
湖岸芝生における廃棄物処理における廃棄物処理の課題について考察した。
WasteMSデータセットはhttps://github.com/zhuqinfeng 1999/WasteMSで公開されている。
関連論文リスト
- Plant detection from ultra high resolution remote sensing images: A Semantic Segmentation approach based on fuzzy loss [2.6489824612123716]
超高解像度(UHR)リモートセンシング画像から植物種を識別する課題に取り組む。
我々のアプローチは、ミリレベルの空間分解能を特徴とするRGBリモートセンシングデータセットの導入である。
UHRデータセットと公開データセットの両方で得られた最初の実験結果が提示され、提案手法の妥当性が示された。
論文 参考訳（メタデータ） (2024-08-31T17:40:17Z) - SpectralWaste Dataset: Multimodal Data for Waste Sorting Automation [46.178512739789426]
本稿では, 廃棄物処理施設から収集した最初のデータセットであるSpectralWasteについて紹介する。
このデータセットには、分類植物によく見られるいくつかのカテゴリのオブジェクトのラベルが含まれている。
異なるオブジェクトセグメンテーションアーキテクチャを用いたパイプラインを提案し,その代替案をデータセット上で評価する。
論文 参考訳（メタデータ） (2024-03-26T18:39:38Z) - Solid Waste Detection, Monitoring and Mapping in Remote Sensing Images: A Survey [0.8499685241219366]
不適切に管理された埋立地は、浸透雨水を介して土壌と地下水を汚染し、動物と人間の両方に脅威を与える。
現場検査のような伝統的な埋立地識別アプローチは、時間と費用がかかる。
地球観測衛星(EO)は、センサーと撮像機能を備えた衛星で、数十年にわたって高解像度のデータを提供してきた。
論文 参考訳（メタデータ） (2024-02-14T10:24:04Z) - Spectral Analysis of Marine Debris in Simulated and Observed
Sentinel-2/MSI Images using Unsupervised Classification [0.0]
本研究では,Sentinel-2ミッションのMultispectral Instrument(MSI)と機械学習アルゴリズムを組み合わせたRTMシミュレーションデータを用いた。
その結果, 汚染物質のスペクトル挙動は, ポリマーの種類や画素被覆率などの影響を受けていることがわかった。
これらの知見は、海洋プラスチック汚染を検知するためのリモートセンシングアプリケーションにおける将来の研究を導くことができる。
論文 参考訳（メタデータ） (2023-06-26T18:46:47Z) - VisDA 2022 Challenge: Domain Adaptation for Industrial Waste Sorting [61.52419223232737]
産業廃棄物の選別において、最も大きな課題の1つは入力ストリームの極端な多様性である。
産業廃棄物浄化における領域適応に関するVisDA 2022の課題について紹介する。
論文 参考訳（メタデータ） (2023-03-26T21:38:38Z) - Evaluation of the potential of Near Infrared Hyperspectral Imaging for
monitoring the invasive brown marmorated stink bug [53.682955739083056]
BMSB(Halyomorpha halys)は、数種の作物を害する世界的重要性の害虫である。
本研究は、BMSB検体を検出する技術として、NIR-HSI(Near Infrared Hyperspectral Imaging)を実験室レベルで予備評価する。
論文 参考訳（メタデータ） (2023-01-19T11:37:20Z) - SatMAE: Pre-training Transformers for Temporal and Multi-Spectral
Satellite Imagery [74.82821342249039]
Masked Autoencoder(MAE)に基づく時間・マルチスペクトル衛星画像の事前学習フレームワークであるSatMAEについて述べる。
時間的情報を活用するために、時間にわたって画像パッチを個別にマスキングする時間的埋め込みを含む。
論文 参考訳（メタデータ） (2022-07-17T01:35:29Z) - A Multi-purpose Real Haze Benchmark with Quantifiable Haze Levels and
Ground Truth [61.90504318229845]
本稿では,ハズフリー画像とその場でのハズ密度測定を併用した,最初の実画像ベンチマークデータセットを提案する。
このデータセットはコントロールされた環境で生成され、プロの煙発生装置がシーン全体を覆っている。
このデータセットのサブセットは、CVPR UG2 2022 チャレンジの Haze Track における Object Detection に使用されている。
論文 参考訳（メタデータ） (2022-06-13T19:14:06Z) - ZeroWaste Dataset: Towards Automated Waste Recycling [51.053682077915546]
産業レベルの廃棄物検出・分別データセットZeroWasteについて述べる。
このデータセットには、実際の廃棄物処理工場から収集された1800以上のビデオフレームが含まれている。
最先端のセグメンテーション手法では,対象物を正しく検出・分類することが困難であることを示す。
論文 参考訳（メタデータ） (2021-06-04T22:17:09Z)
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。