論文の概要: Attention is all you need for an improved CNN-based flash flood susceptibility modeling. The case of the ungauged Rheraya watershed, Morocco

• arxiv url: http://arxiv.org/abs/2408.02692v1
• Date: Sat, 3 Aug 2024 16:57:01 GMT
• ステータス: 処理完了
• システム内更新日: 2024-08-07 16:17:55.128894
• Title: Attention is all you need for an improved CNN-based flash flood susceptibility modeling. The case of the ungauged Rheraya watershed, Morocco
• Title（参考訳）: CNNをベースとしたフラッシュ・フラッシャー・サセプティビリティー・モデルの改善には注意が必要だ。モロッコのラハヤ川流域を例に
• Authors: Akram Elghouat, Ahmed Algouti, Abdellah Algouti, Soukaina Baid,
• Abstract要約: 本研究では,畳み込みブロックアテンションモジュール(CBAM)を用いて,フラッシュフラッドに対するCNNモデルの強化について検討する。 データセットには16の条件因子と522のフラッシュフラッドインベントリポイントが含まれていた。 その結果, CBAMはモデル性能を著しく向上し, DenseNet121は各畳み込みブロックにCBAMを組み込んで最良の結果を得た。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Effective flood hazard management requires evaluating and predicting flash flood susceptibility. Convolutional neural networks (CNNs) are commonly used for this task but face issues like gradient explosion and overfitting. This study explores the use of an attention mechanism, specifically the convolutional block attention module (CBAM), to enhance CNN models for flash flood susceptibility in the ungauged Rheraya watershed, a flood prone region. We used ResNet18, DenseNet121, and Xception as backbone architectures, integrating CBAM at different locations. Our dataset included 16 conditioning factors and 522 flash flood inventory points. Performance was evaluated using accuracy, precision, recall, F1-score, and the area under the curve (AUC) of the receiver operating characteristic (ROC). Results showed that CBAM significantly improved model performance, with DenseNet121 incorporating CBAM in each convolutional block achieving the best results (accuracy = 0.95, AUC = 0.98). Distance to river and drainage density were identified as key factors. These findings demonstrate the effectiveness of the attention mechanism in improving flash flood susceptibility modeling and offer valuable insights for disaster management.
• Abstract（参考訳）: 効果的な洪水ハザード管理には、洪水の危険性を評価し予測する必要がある。 畳み込みニューラルネットワーク(CNN)はこのタスクに一般的に使用されるが、勾配の爆発や過度な適合といった問題に直面している。 本研究は, 未開のラハヤ流域における洪水感受性向上のためのCNNモデルを構築するために, 注意機構, 特に, 畳み込みブロックアテンションモジュール(CBAM)の利用について検討した。 私たちはResNet18、DenseNet121、Xceptionをバックボーンアーキテクチャとして使用し、CBAMを異なる場所で統合しました。 データセットには16の条件因子と522のフラッシュフラッドインベントリポイントが含まれていた。 精度,精度,リコール,F1スコア,受信動作特性(ROC)の曲線(AUC)に基づく評価を行った。 その結果、CBAMはモデル性能を著しく改善し、DenseNet121は各畳み込みブロックにCBAMを組み込んで最良の結果を得る(精度=0.95、AUC=0.98)。 河川への距離と排水密度は重要な要因として同定された。 これらの結果から, 洪水感受性モデルの改善におけるアテンションメカニズムの有効性が示され, 災害管理に有用な知見が得られた。

関連論文リスト

• A physics-guided neural network for flooding area detection using SAR imagery and local river gauge observations [0.0]
  本研究では,洪水領域検出のための物理誘導型ニューラルネットワークを提案する。 提案手法は,インプットデータとして,センチネル1の時系列画像と,各画像に割り当てられた河川の水位を推定する。 提案手法の有効性を,デジタル地形モデルと光学衛星画像から得られた参照水マップと比較することにより,5つの研究領域で評価した。
  論文  参考訳（メタデータ） (2024-10-11T14:13:06Z)
• Lazy Layers to Make Fine-Tuned Diffusion Models More Traceable [70.77600345240867]
  新たな任意の任意配置(AIAO)戦略は、微調整による除去に耐性を持たせる。 拡散モデルの入力/出力空間のバックドアを設計する既存の手法とは異なり,本手法では,サンプルサブパスの特徴空間にバックドアを埋め込む方法を提案する。 MS-COCO,AFHQ,LSUN,CUB-200,DreamBoothの各データセットに関する実証研究により,AIAOの堅牢性が確認された。
  論文  参考訳（メタデータ） (2024-05-01T12:03:39Z)
• Flood Data Analysis on SpaceNet 8 Using Apache Sedona [4.802565443109335]
  SpaceNet8は、最先端の人工知能技術を利用して洪水の危険を評価するユニークな機会を提供する。 本稿では,洪水被害検出における不正確な問題に対処する新しいアプローチを提案する。 これらの改善の後、我々の指標は顕著な改善を示し、精度は5%、F1は2.6%、IoUは4.5%向上した。
  論文  参考訳（メタデータ） (2024-04-28T16:29:22Z)
• Learning Heavily-Degraded Prior for Underwater Object Detection [59.5084433933765]
  本稿では、検出器フレンドリーな画像から、転送可能な事前知識を求める。 これは、検出器フレンドリー(DFUI)と水中画像の高度に劣化した領域が、特徴分布のギャップがあることを統計的に観察したものである。 高速かつパラメータの少ない本手法は変圧器型検出器よりも優れた性能を保っている。
  論文  参考訳（メタデータ） (2023-08-24T12:32:46Z)
• MaxFloodCast: Ensemble Machine Learning Model for Predicting Peak Inundation Depth And Decoding Influencing Features [0.8497188292342053]
  本研究は、ハリス郡の物理に基づく流体力学シミュレーションに基づいて訓練された機械学習モデルMaxFloodCastを実証する。 MaxFloodCastは、効率的かつ解釈可能な浸水深度予測を提供する。
  論文  参考訳（メタデータ） (2023-08-11T16:58:57Z)
• ARHNet: Adaptive Region Harmonization for Lesion-aware Augmentation to Improve Segmentation Performance [61.04246102067351]
  本研究では,合成画像をよりリアルに見せるために,前景調和フレームワーク(ARHNet)を提案する。 実画像と合成画像を用いたセグメンテーション性能の向上に本手法の有効性を実証する。
  論文  参考訳（メタデータ） (2023-07-02T10:39:29Z)
• Underwater target detection based on improved YOLOv7 [7.264267222876267]
  本研究では,水中目標検出のための改良型YOLOv7ネットワーク(YOLOv7-AC)を提案する。 提案するネットワークは、ACmixBlockモジュールを使用して、E-ELAN構造の3x3畳み込みブロックを置き換える。 ResNet-ACmixモジュールは、特徴情報の損失を回避し、計算量を削減するように設計されている。
  論文  参考訳（メタデータ） (2023-02-14T09:50:52Z)
• Magic ELF: Image Deraining Meets Association Learning and Transformer [63.761812092934576]
  本稿では,CNN と Transformer を統合化して,画像デライニングにおける学習のメリットを活用することを目的とする。 降雨除去と背景復旧を関連づける新しいマルチインプット・アテンション・モジュール (MAM) を提案する。 提案手法(ELF)は,最先端手法(MPRNet)を平均0.25dB向上させる。
  論文  参考訳（メタデータ） (2022-07-21T12:50:54Z)
• From Environmental Sound Representation to Robustness of 2D CNN Models Against Adversarial Attacks [82.21746840893658]
  本稿では, 各種環境音響表現(スペクトログラム)が, 被害者残差畳み込みニューラルネットワークの認識性能と対角攻撃性に与える影響について検討する。 DWTスペクトログラムでトレーニングしたResNet-18モデルでは高い認識精度が得られたが、このモデルに対する攻撃は敵にとって比較的コストがかかる。
  論文  参考訳（メタデータ） (2022-04-14T15:14:08Z)
• Bayesian Optimization with Machine Learning Algorithms Towards Anomaly Detection [66.05992706105224]
  本稿では,ベイズ最適化手法を用いた効果的な異常検出フレームワークを提案する。 ISCX 2012データセットを用いて検討したアルゴリズムの性能を評価する。 実験結果から, 精度, 精度, 低コストアラームレート, リコールの観点から, 提案手法の有効性が示された。
  論文  参考訳（メタデータ） (2020-08-05T19:29:35Z)
• A Hybrid Deep Learning Model for Predictive Flood Warning and Situation Awareness using Channel Network Sensors Data [0.965964228590342]
  この調査ではテキサス州ハリス郡をテストベッドとし、3つの歴史的な洪水からチャネルセンサーのデータを得た。 このモデルは、2019年のヒューストンのイメルダ洪水を予測するためにテストされ、その結果は経験的な洪水とよく一致している。
  論文  参考訳（メタデータ） (2020-06-15T17:25:34Z)

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。