論文の概要: Enabling Fast and Accurate Crowdsourced Annotation for Elevation-Aware Flood Extent Mapping

• arxiv url: http://arxiv.org/abs/2408.05350v2
• Date: Thu, 17 Apr 2025 18:53:23 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-04-28 23:32:52.799181
• Title: Enabling Fast and Accurate Crowdsourced Annotation for Elevation-Aware Flood Extent Mapping
• Title（参考訳）: Elevation-Aware Flood Extent Mapping のための高速かつ高精度なクラウドソースアノテーションの提案
• Authors: Landon Dyken, Saugat Adhikari, Pravin Poudel, Steve Petruzza, Da Yan, Will Usher, Sidharth Kumar,
• Abstract要約: FloodTraceは,浸水領域アノテーションを効果的にクラウドソーシングし,機械学習アプリケーションに活用するWebアプリケーションである。 私たちの研究は、トポロジカルセグメンテーションツールをWebに持ち込み、最先端技術と比較して、アノテーションの効率を大幅に改善します。 ノースカロライナのハリケーン・マシューの高分解能空中画像に266人の大学院生が注視した。
• 参考スコア（独自算出の注目度）: 6.55068241536296
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Mapping the extent of flood events is a necessary and important aspect of disaster management. In recent years, deep learning methods have evolved as an effective tool to quickly label high resolution imagery and provide necessary flood extent mappings. These methods, though, require large amounts of annotated training data to create models that are accurate and robust to new flooded imagery. In this work, we present FloodTrace, a web-based application that enables effective crowdsourcing of flooded region annotation for machine learning applications. To create this application, we conducted extensive interviews with domain experts to produce a set of formal requirements. Our work brings topological segmentation tools to the web and greatly improves annotation efficiency compared to the state-of-the-art. The user-friendliness of our solution allows researchers to outsource annotations to non-experts and utilize them to produce training data with equal quality to fully expert-labeled data. We conducted a user study to confirm the effectiveness of our application in which 266 graduate students annotated high-resolution aerial imagery from Hurricane Matthew in North Carolina. Experimental results show the efficiency benefits of our application for untrained users, with median annotation time less than half the state-of-the-art annotation method. In addition, using our aggregation and correction framework, flood detection models trained on crowdsourced annotations were able to achieve performance equal to models trained on fully expert-labeled annotations, while requiring a fraction of the time on the part of the expert.
• Abstract（参考訳）: 洪水の程度をマッピングすることは、災害管理の必要かつ重要な側面である。 近年,高解像度画像を高速にラベル付けし,必要な洪水範囲をマッピングする手段として,深層学習法が発展してきた。 しかしこれらの方法は、新しい浸水した画像に対して正確で堅牢なモデルを作成するために、大量の注釈付きトレーニングデータを必要とする。 本研究では,FloodTraceを提案する。FloodTraceは,浸水した領域アノテーションを機械学習アプリケーションに効果的にクラウドソーシングできるWebベースのアプリケーションである。 このアプリケーションを作成するために、私たちはドメインエキスパートと広範囲なインタビューを行い、一連の公式な要件を作成しました。 私たちの研究は、トポロジカルセグメンテーションツールをWebに持ち込み、最先端技術と比較して、アノテーションの効率を大幅に改善します。 我々のソリューションのユーザフレンドリさにより、研究者たちは、非専門家にアノテーションをアウトソースし、それらを利用して、完全に専門家によってラベル付けされたデータと同等の品質のトレーニングデータを生成することができます。 ノースカロライナのハリケーン・マシューの高分解能空中画像に266人の大学院生が注視した。 実験結果から, 未学習ユーザに対するアプリケーションの有効性が示され, 平均アノテーション時間は最先端アノテーション手法の半分以下であった。 さらに,集約と修正のフレームワークを用いて,クラウドソースアノテーションでトレーニングした洪水検出モデルは,専門家による完全なアノテーションでトレーニングしたモデルに匹敵する性能を達成できた。

関連論文リスト

• Granularity Matters in Long-Tail Learning [62.30734737735273]
  より粒度の細かいデータセットは、データの不均衡の影響を受けにくい傾向があります。 既存のクラスと視覚的に類似したオープンセット補助クラスを導入し、頭と尾の両方の表現学習を強化することを目的とした。 補助授業の圧倒的な存在がトレーニングを混乱させるのを防ぐために,近隣のサイレンシング障害を導入する。
  論文  参考訳（メタデータ） (2024-10-21T13:06:21Z)
• Improving Malware Detection with Adversarial Domain Adaptation and Control Flow Graphs [10.352741619176383]
  戦闘コンセプトの既存のソリューションは、アクティブラーニングを使用する。 グラフニューラルネットワークを利用してマルウェア制御後のフローグラフの保持情報を学習する手法を提案する。 提案手法は,バイナリ分類タスクにおける未知のマルウェアファミリーの予測と,マルチクラス環境でのドリフトされたマルウェアファミリーの予測において,大幅な向上を示すものである。
  論文  参考訳（メタデータ） (2024-07-18T22:06:20Z)
• Terrain-Informed Self-Supervised Learning: Enhancing Building Footprint Extraction from LiDAR Data with Limited Annotations [1.3243401820948064]
  フットプリントマップの構築は、広範な後処理なしで正確なフットプリント抽出を約束する。 ディープラーニング手法は、一般化とラベルの効率の面で課題に直面している。 リモートセンシングに適した地形認識型自己教師型学習を提案する。
  論文  参考訳（メタデータ） (2023-11-02T12:34:23Z)
• Efficient Annotation of Medieval Charters [2.6214349237099173]
  中世の憲章の分析である外交学は、古生物学を応用する主要な研究分野である。 本稿では,認証セグメンテーションのための効率的かつ効率的なアノテーション手法を提案する。 さらに、画素の物理長でデータを注釈し、回帰ニューラルネットワークを訓練して画像パッチから予測する。
  論文  参考訳（メタデータ） (2023-06-24T22:55:55Z)
• Robust online active learning [0.7734726150561089]
  本研究では, 汚染データストリームにおけるオンラインアクティブ線形回帰の性能について検討する。 本稿では,条件付きD-最適アルゴリズムの探索領域を限定し,ロバストな推定器を用いた解を提案する。
  論文  参考訳（メタデータ） (2023-02-01T13:14:26Z)
• Annotation Error Detection: Analyzing the Past and Present for a More Coherent Future [63.99570204416711]
  我々は、潜在的なアノテーションの誤りを検知するための18の手法を再実装し、9つの英語データセット上で評価する。 アノテーションエラー検出タスクの新しい形式化を含む一様評価設定を定義する。 私たちはデータセットと実装を,使いやすく,オープンソースのソフトウェアパッケージとしてリリースしています。
  論文  参考訳（メタデータ） (2022-06-05T22:31:45Z)
• Dynamic Supervisor for Cross-dataset Object Detection [52.95818230087297]
  オブジェクト検出タスクにおけるデータセット間のトレーニングは、データセットにまたがるカテゴリ内の不整合が、完全に教師付き学習を半教師付き学習に変換するため、複雑である。 本稿では,ハードラベルとソフトラベルを併用した複数更新サブモデルを用いて,アノテーションを複数回更新する動的スーパーバイザフレームワークを提案する。 最終生成アノテーションでは、ハードラベルトレーニングとソフトラベルトレーニングを統合することで、リコールと精度が大幅に向上した。
  論文  参考訳（メタデータ） (2022-04-01T03:18:46Z)
• Information-Theoretic Odometry Learning [83.36195426897768]
  生体計測推定を目的とした学習動機付け手法のための統合情報理論フレームワークを提案する。 提案フレームワークは情報理論言語の性能評価と理解のためのエレガントなツールを提供する。
  論文  参考訳（メタデータ） (2022-03-11T02:37:35Z)
• Assisted Text Annotation Using Active Learning to Achieve High Quality with Little Effort [9.379650501033465]
  研究者は、手動の注釈だけで、大規模で高品質な注釈付きデータセットを作成できるツールを提案する。 我々は、アクティブラーニング(AL)アプローチと事前訓練された言語モデルを組み合わせて、アノテーションカテゴリを半自動で識別する。 予備的な結果から,ALを用いることで,複雑なフレームや微妙なフレームを正しく分類するアノテーションの数が大幅に削減されることがわかった。
  論文  参考訳（メタデータ） (2021-12-15T13:14:58Z)
• Clustering augmented Self-Supervised Learning: Anapplication to Land Cover Mapping [10.720852987343896]
  本稿では,自己教師型学習のためのクラスタリングに基づくプレテキストタスクを用いて,土地被覆マッピングの新しい手法を提案する。 社会的に関係のある2つのアプリケーションに対して,本手法の有効性を示す。
  論文  参考訳（メタデータ） (2021-08-16T19:35:43Z)
• Deep Semi-supervised Knowledge Distillation for Overlapping Cervical Cell Instance Segmentation [54.49894381464853]
  本稿では, ラベル付きデータとラベルなしデータの両方を, 知識蒸留による精度向上に活用することを提案する。 摂動に敏感なサンプルマイニングを用いたマスク誘導型平均教師フレームワークを提案する。 実験の結果,ラベル付きデータのみから学習した教師付き手法と比較して,提案手法は性能を著しく向上することがわかった。
  論文  参考訳（メタデータ） (2020-07-21T13:27:09Z)
• Improving Semantic Segmentation via Self-Training [75.07114899941095]
  半教師付きアプローチ,特に自己学習パラダイムを用いて,最先端の成果を得ることができることを示す。 まず、ラベル付きデータに基づいて教師モデルを訓練し、次にラベルなしデータの大規模なセット上で擬似ラベルを生成する。 私たちの堅牢なトレーニングフレームワークは、人名と擬似ラベルを共同で消化し、Cityscapes、CamVid、KITTIデータセット上で最高のパフォーマンスを達成することができます。
  論文  参考訳（メタデータ） (2020-04-30T17:09:17Z)
• Towards Using Count-level Weak Supervision for Crowd Counting [55.58468947486247]
  本稿では,少数の位置レベルのアノテーション(十分に教師された)と大量のカウントレベルのアノテーション(弱教師付き)からモデルを学習する,弱教師付き群集カウントの問題について検討する。 我々は、生成した密度マップの自由を制限するための正規化を構築するために、単純なyet効果のトレーニング戦略、すなわちMultiple Auxiliary Tasks Training (MATT)を考案した。
  論文  参考訳（メタデータ） (2020-02-29T02:58:36Z)
• Localized Flood DetectionWith Minimal Labeled Social Media Data Using Transfer Learning [3.964047152162558]
  ソーシャルセンシングモデル(Twitter)を用いた局所的な洪水検出の問題点について検討する。 本研究は,緊急意思決定や救助活動,早期警戒等のために,洪水関連のアップデートや通知を市当局に提供する上で極めて有効である。
  論文  参考訳（メタデータ） (2020-02-10T20:17:34Z)

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。