論文の概要: Detection of Animal Movement from Weather Radar using Self-Supervised Learning
- arxiv url: http://arxiv.org/abs/2408.04424v1
- Date: Thu, 8 Aug 2024 12:48:54 GMT
- ステータス: 処理完了
- システム内更新日: 2024-08-09 15:38:36.155251
- Title: Detection of Animal Movement from Weather Radar using Self-Supervised Learning
- Title（参考訳）: 自己監督学習による気象レーダからの動物運動の検出
- Authors: Mubin Ul Haque, Joel Janek Dabrowski, Rebecca M. Rogers, Hazel Parry,
- Abstract要約: 動物の動きを検出するための自己教師型学習法を提案する。
提案手法では,しきい値を用いた雑音ラベル付き大規模データセット上でモデルを事前学習する。
オーストラリアの気象レーダデータを用いた水鳥セグメンテーション実験により, 提案手法は, ダイス共効率統計学において, 現在の最先端技術よりも43.53%優れていることが判明した。
- 参考スコア（独自算出の注目度）: 0.14999444543328289
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Detecting flying animals (e.g., birds, bats, and insects) using weather radar helps gain insights into animal movement and migration patterns, aids in management efforts (such as biosecurity) and enhances our understanding of the ecosystem.The conventional approach to detecting animals in weather radar involves thresholding: defining and applying thresholds for the radar variables, based on expert opinion. More recently, Deep Learning approaches have been shown to provide improved performance in detection. However, obtaining sufficient labelled weather radar data for flying animals to build learning-based models is time-consuming and labor-intensive. To address the challenge of data labelling, we propose a self-supervised learning method for detecting animal movement. In our proposed method, we pre-train our model on a large dataset with noisy labels produced by a threshold approach. The key advantage is that the pre-trained dataset size is limited only by the number of radar images available. We then fine-tune the model on a small human-labelled dataset. Our experiments on Australian weather radar data for waterbird segmentation show that the proposed method outperforms the current state-of-the art approach by 43.53% in the dice co-efficient statistic.
- Abstract（参考訳）: 気象レーダーを用いた空飛ぶ動物(鳥、コウモリ、昆虫など)の検出は、動物の動きや移動パターン、管理活動(バイオセキュリティなど)の助けとなり、生態系の理解を深める。
最近では、Deep Learningアプローチによって検出のパフォーマンスが向上することが示されている。
しかし、飛行動物が学習モデルを構築するのに十分なラベル付き気象レーダーデータを得るには、時間と労力がかかる。
データラベリングの課題に対処するために,動物の動きを検出する自己教師型学習法を提案する。
提案手法では,しきい値を用いた雑音ラベル付き大規模データセット上でモデルを事前学習する。
鍵となる利点は、トレーニング済みのデータセットのサイズが利用可能なレーダー画像の数によって制限されていることだ。
そして、小さな人間のラベル付きデータセットでモデルを微調整します。
オーストラリアの気象レーダデータを用いた水鳥セグメンテーション実験により, 提案手法は, ダイス共効率統計学において, 現在の最先端技術よりも43.53%優れていることが判明した。
関連論文リスト
- Multi-stage Learning for Radar Pulse Activity Segmentation [51.781832424705094]
無線信号認識は電子戦において重要な機能である。
電子戦システムでは、レーダパルス活動の正確な識別と位置決めが要求される。
ディープラーニングに基づくレーダーパルス活動認識法は、ほとんど未検討のままである。
論文 参考訳（メタデータ） (2023-12-15T01:56:27Z) - RadarFormer: Lightweight and Accurate Real-Time Radar Object Detection
Model [13.214257841152033]
レーダー中心のデータセットは、レーダー知覚のためのディープラーニング技術の開発にはあまり注目されていない。
本稿では,視覚深層学習における最先端技術を活用したトランスフォーマーモデルRadarFormerを提案する。
また、チャネルチャープ時マージモジュールを導入し、精度を損なうことなく、モデルのサイズと複雑さを10倍以上に削減する。
論文 参考訳（メタデータ） (2023-04-17T17:07:35Z) - TempNet: Temporal Attention Towards the Detection of Animal Behaviour in
Videos [63.85815474157357]
本稿では,映像中の生物学的行動を検出するための,効率的なコンピュータビジョンと深層学習に基づく手法を提案する。
TempNetはエンコーダブリッジと残留ブロックを使用して、2段階の空間的、そして時間的、エンコーダでモデル性能を維持する。
本研究では,サブルフィッシュ (Anoplopoma fimbria) 幼虫の検出への応用を実証する。
論文 参考訳（メタデータ） (2022-11-17T23:55:12Z) - Physics-informed inference of aerial animal movements from weather radar
data [0.0]
我々は、利用可能なレーダデータから移動パターンを再構築する問題に取り組む。
畳み込みデコーダは、推定潜在状態を既知のレーダー観測モデルを適用する物理空間にマッピングする。
合成レーダデータを用いた実験は, 復元品質とデータ効率の観点から有望な結果を示した。
論文 参考訳（メタデータ） (2022-11-08T20:20:52Z) - Contrastive Learning for Unsupervised Radar Place Recognition [31.04172735067443]
我々は、複雑なレーダデータを用いて、位置認識問題を解決するのに適したレーダ画像のシーケンスから、教師なしの方法で埋め込みを学習する。
我々は400km以上の走行が可能な2つの著名な都市レーダデータセットを実験し、新しいレーダ位置認識状態を実現することを示す。
論文 参考訳（メタデータ） (2021-10-06T13:34:09Z) - R4Dyn: Exploring Radar for Self-Supervised Monocular Depth Estimation of
Dynamic Scenes [69.6715406227469]
駆動シナリオにおける自己教師付き単眼深度推定は、教師付きアプローチに匹敵する性能を達成した。
本稿では,自己監督型深度推定フレームワーク上に費用効率の高いレーダデータを利用する新しい手法であるR4Dynを提案する。
論文 参考訳（メタデータ） (2021-08-10T17:57:03Z) - Multi-View Radar Semantic Segmentation [3.2093811507874768]
自動車用レーダーは、周囲の物体の特性を測定する安価なアクティブセンサーである。
レーダー生データのサイズと複雑さのため、シーン理解にはほとんど使われない。
我々は,複数の新しいアーキテクチャとそれに伴う損失を提案し,レンジアングル・ドップラーレーダテンソルの複数の"ビュー"を分析し,意味的にセグメンテーションする。
論文 参考訳（メタデータ） (2021-03-30T09:56:41Z) - LiRaNet: End-to-End Trajectory Prediction using Spatio-Temporal Radar
Fusion [52.59664614744447]
本稿では,レーダセンサ情報と広範に使用されているライダーと高精細度(HD)マップを用いた新しい終端軌道予測手法LiRaNetを提案する。
自動車レーダーは、リッチで補完的な情報を提供し、より長い距離の車両検出と即時速度測定を可能にします。
論文 参考訳（メタデータ） (2020-10-02T00:13:00Z) - Depth Estimation from Monocular Images and Sparse Radar Data [93.70524512061318]
本稿では,ディープニューラルネットワークを用いた単眼画像とレーダ点の融合により,より正確な深度推定を実現する可能性を検討する。
レーダ測定で発生するノイズが,既存の融合法の適用を妨げている主要な理由の1つであることが判明した。
実験はnuScenesデータセット上で行われ、カメラ、レーダー、LiDARの記録を様々な場面と気象条件で記録する最初のデータセットの1つである。
論文 参考訳（メタデータ） (2020-09-30T19:01:33Z) - RadarNet: Exploiting Radar for Robust Perception of Dynamic Objects [73.80316195652493]
我々は、自動運転車の文脈における認識のためにRadarを利用する問題に取り組む。
我々は、LiDARとRadarの両方のセンサーを知覚に利用した新しいソリューションを提案する。
RadarNetと呼ばれる我々のアプローチは、ボクセルベースの早期核融合と注意に基づく後期核融合を特徴としている。
論文 参考訳（メタデータ） (2020-07-28T17:15:02Z) - Detecting and Tracking Communal Bird Roosts in Weather Radar Data [31.330559694218564]
本稿では,気象レーダデータ中のルーストシグネチャを検出し,追跡する機械学習システムについて述べる。
システムは、これまで知られていなかったルーストの場所を検出し、全米のルーストに関する包括的な時間データを提供する。
論文 参考訳（メタデータ） (2020-04-24T02:40:50Z)
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。