Fugu-MT 論文翻訳(概要): Mining Field Data for Tree Species Recognition at Scale

論文の概要: Mining Field Data for Tree Species Recognition at Scale

arxiv url: http://arxiv.org/abs/2408.15816v1
Date: Wed, 28 Aug 2024 14:25:35 GMT
ステータス: 処理完了
システム内更新日: 2024-08-29 15:40:56.166606
Title: Mining Field Data for Tree Species Recognition at Scale
Title（参考訳）: 大規模樹種認識のための採鉱現場データ
Authors: Dimitri Gominski, Daniel Ortiz-Gonzalo, Martin Brandt, Maurice Mugabowindekwe, Rasmus Fensholt,
Abstract要約: 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。
参考スコア（独自算出の注目度）: 1.264462543503282
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Individual tree species labels are particularly hard to acquire due to the expert knowledge needed and the limitations of photointerpretation. Here, we present a methodology to automatically mine species labels from public forest inventory data, using available pretrained tree detection models. We identify tree instances in aerial imagery and match them with field data with close to zero human involvement. We conduct a series of experiments on the resulting dataset, and show a beneficial effect when adding noisy or even unlabeled data points, highlighting a strong potential for large-scale individual species mapping.
Abstract（参考訳）: 個々の木種ラベルは、専門知識と光解釈の限界のために、特に取得が困難である。そこで本研究では,森林在庫データから種名を自動的にマイニングする手法について,事前学習木検出モデルを用いて提案する。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。得られたデータセットについて一連の実験を行い、ノイズやラベルのないデータポイントを追加する際に有益な効果を示し、大規模個体群マッピングの強い可能性を強調した。

関連論文リスト

BranchPoseNet: Characterizing tree branching with a deep learning-based pose estimation approach [0.0]
本稿では、ポーズ推定深層学習モデルを用いて、近位レーザー走査データ中の木の輪郭を自動的に検出するパイプラインを提案する。正確な輪郭検出は、木の成長パターン、木質に関する貴重な洞察を与え、林業価値連鎖全体にわたって木を追跡するバイオメトリックマーカーとして使われる可能性がある。
論文参考訳（メタデータ） (2024-09-23T07:10:11Z)
Tree semantic segmentation from aerial image time series [24.14827064108217]
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。
論文参考訳（メタデータ） (2024-07-18T02:19:57Z)
PureForest: A Large-Scale Aerial Lidar and Aerial Imagery Dataset for Tree Species Classification in Monospecific Forests [0.0]
木種分類用に設計された大規模でオープンなマルチモーダルデータセットであるPureForestデータセットを提案する。樹種分類のための現在の一般のLidarデータセットは、ほとんどの場合、数十ヘクタールの注釈付きヘクタールの小さな領域にしか達しないため、多様性が低い。対照的に、PureForestは18の樹種を13のセマンティッククラスに分類し、449の異なる単種林に339 km$2$で分布する。
論文参考訳（メタデータ） (2024-04-18T10:23:10Z)
Lidar-based Norwegian tree species detection using deep learning [0.36651088217486427]
本稿では,ライダーデータのみを用いた深層学習に基づく木種分類モデルを提案する。このモデルは、部分的な弱いラベルに対する焦点損失で訓練される。本モデルでは,独立検証におけるマクロ平均F1スコア0.70を達成する。
論文参考訳（メタデータ） (2023-11-10T14:01:05Z)
SatBird: Bird Species Distribution Modeling with Remote Sensing and Citizen Science Data [68.2366021016172]
本稿では,市民科学データベース eBird の観測データから得られたラベルを用いた,米国内の位置情報のサテライトデータセットである SatBird について述べる。ケニアでは低データのレシエーションを表すデータセットも提供しています。リモートセンシングタスクのためのSOTAモデルを含む、データセットのベースラインセットをベンチマークします。
論文参考訳（メタデータ） (2023-11-02T02:00:27Z)
Spatial Implicit Neural Representations for Global-Scale Species Mapping [72.92028508757281]
ある種が観察された場所の集合を考えると、その種がどこにいても存在しないかを予測するためのモデルを構築することが目的である。従来の手法は、新たな大規模クラウドソースデータセットを活用するのに苦労している。本研究では,47k種の地理的範囲を同時に推定するために,空間入射ニューラル表現(SINR)を用いる。
論文参考訳（メタデータ） (2023-06-05T03:36:01Z)
Tree Detection and Diameter Estimation Based on Deep Learning [0.0]
樹木認識は、自律的な林業活動に向けた重要なビルディングブロックである。データセットでトレーニングされたディープニューラルネットワークモデルは、木検出の精度90.4%を達成する。結果は、自律的な倒木作戦への有望な道を提供する。
論文参考訳（メタデータ） (2022-10-31T15:51:32Z)
Self-Supervised Learning as a Means To Reduce the Need for Labeled Data in Medical Image Analysis [64.4093648042484]
胸部X線画像のデータセットとバウンディングボックスラベルを用いて,13種類の異常の分類を行った。ラベル付きデータの平均精度と精度を60%に抑えることで,完全教師付きモデルと同等の性能が得られることを示す。
論文参考訳（メタデータ） (2022-06-01T09:20:30Z)
Visualizing hierarchies in scRNA-seq data using a density tree-biased autoencoder [50.591267188664666]
本研究では,高次元scRNA-seqデータから意味のある木構造を同定する手法を提案する。次に、低次元空間におけるデータのツリー構造を強調する木バイアスオートエンコーダDTAEを紹介する。
論文参考訳（メタデータ） (2021-02-11T08:48:48Z)
Semi-Automatic Data Annotation guided by Feature Space Projection [117.9296191012968]
本稿では,適切な特徴空間投影と半教師付きラベル推定に基づく半自動データアノテーション手法を提案する。 MNISTデータセットとヒト腸内寄生虫の胎児不純物の有無による画像を用いて本手法の有効性を検証した。この結果から,人間と機械の相補的能力を組み合わせた視覚分析ツールの付加価値が,より効果的な機械学習に有効であることが示唆された。
論文参考訳（メタデータ） (2020-07-27T17:03:50Z)
Automatic image-based identification and biomass estimation of invertebrates [70.08255822611812]
時間を要する分類と分類は、どれだけの昆虫を処理できるかに強い制限を課す。我々は、人間の専門家による分類と識別の標準的な手動アプローチを、自動画像ベース技術に置き換えることを提案する。分類タスクには最先端のResnet-50とInceptionV3 CNNを使用する。
論文参考訳（メタデータ） (2020-02-05T21:38:57Z)

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。