論文の概要: A Deep Learning-Based Approach for Mangrove Monitoring

• arxiv url: http://arxiv.org/abs/2410.05443v1
• Date: Mon, 7 Oct 2024 19:22:08 GMT
• ステータス: 処理完了
• システム内更新日: 2024-11-01 18:37:46.517321
• Title: A Deep Learning-Based Approach for Mangrove Monitoring
• Title（参考訳）: 深層学習に基づくマングローブモニタリング
• Authors: Lucas José Velôso de Souza, Ingrid Valverde Reis Zreik, Adrien Salem-Sermanet, Nacéra Seghouani, Lionel Pourchier,
• Abstract要約: 本研究は,マングローブセグメンテーションの課題における最近のディープラーニングモデルの包括的評価を提供する。 我々はまず,Global Mangrove WatchのmangroveアノテーションとSentinel-2の衛星画像を組み合わせた,オープンソースの新しいデータセットMagSet-2を紹介し,公開する。 次に、生成されたデータセットを使用して、3つのアーキテクチャグループ、すなわち畳み込み、トランスフォーマー、mambaモデルをベンチマークします。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Mangroves are dynamic coastal ecosystems that are crucial to environmental health, economic stability, and climate resilience. The monitoring and preservation of mangroves are of global importance, with remote sensing technologies playing a pivotal role in these efforts. The integration of cutting-edge artificial intelligence with satellite data opens new avenues for ecological monitoring, potentially revolutionizing conservation strategies at a time when the protection of natural resources is more crucial than ever. The objective of this work is to provide a comprehensive evaluation of recent deep-learning models on the task of mangrove segmentation. We first introduce and make available a novel open-source dataset, MagSet-2, incorporating mangrove annotations from the Global Mangrove Watch and satellite images from Sentinel-2, from mangrove positions all over the world. We then benchmark three architectural groups, namely convolutional, transformer, and mamba models, using the created dataset. The experimental outcomes further validate the deep learning community's interest in the Mamba model, which surpasses other architectures in all metrics.
• Abstract（参考訳）: マングローブは、環境の健康、経済の安定、気候の回復に不可欠な沿岸生態系である。 マングローブのモニタリングと保存は世界規模で重要であり、リモートセンシング技術はこれらの取り組みにおいて重要な役割を担っている。 最先端の人工知能と衛星データを統合することで、環境モニタリングのための新たな道が開かれ、自然資源の保護がこれまで以上に重要になったときに、保護戦略に革命をもたらす可能性がある。 本研究の目的は,マングローブセグメンテーションの課題における最近のディープラーニングモデルの包括的評価を提供することである。 我々はまず,Global Mangrove Watchのmangroveアノテーションと,世界中のmangrove位置からSentinel-2の衛星イメージを組み込んだ,オープンソースの新しいデータセットMagSet-2を紹介し,公開する。 次に、生成されたデータセットを使用して、3つのアーキテクチャグループ、すなわち畳み込み、トランスフォーマー、mambaモデルをベンチマークします。 実験の結果は、すべてのメトリクスにおいて他のアーキテクチャを上回るMambaモデルに対するディープラーニングコミュニティの関心をさらに裏付けるものだ。

関連論文リスト

• DivShift: Exploring Domain-Specific Distribution Shift in Volunteer-Collected Biodiversity Datasets [0.0]
  約800万のiNaturalist植物画像のキュレートされたデータセットであるDivShift-NAWC(DivShift-NAWC)を紹介した。 モデル性能を既知の4つのバイアスで比較し、それらが実際にモデル性能を損なうことを観察する。 我々は、気候変動が世界の生物多様性に与える影響を監視するために、データセットをキュレートしてディープラーニングモデルを訓練する実践的戦略を提案する。
  論文  参考訳（メタデータ） (2024-10-17T23:56:30Z)
• Enhancing Ecological Monitoring with Multi-Objective Optimization: A Novel Dataset and Methodology for Segmentation Algorithms [17.802456388479616]
  オーストラリア, ニューサウスウェールズ州ベガバレーで, 外来種および外来種を捉えた6,096個の高分解能空中画像のユニークなセマンティックセマンティックセマンティクスデータセットを導入した。 このデータセットは、草種の重複と分布のため、困難な課題を示す。 データセットとコードは公開され、コンピュータビジョン、機械学習、生態学の研究を促進することを目的としている。
  論文  参考訳（メタデータ） (2024-07-25T18:27:27Z)
• Fine-tuning of Geospatial Foundation Models for Aboveground Biomass Estimation [2.3429628556845405]
  地上バイオマスを推定するための地理空間基盤モデルの微調整は、スクラッチから訓練されたU-Netに匹敵する性能を有する。 また、ブラジルの異なるエコリージョンのスパースラベルを用いた衛星画像の微調整により、モデルの伝達学習能力についても検討する。
  論文  参考訳（メタデータ） (2024-06-28T12:54:10Z)
• DeepExtremeCubes: Integrating Earth system spatio-temporal data for impact assessment of climate extremes [5.736700805381591]
  機械学習技術は、将来性を示すが、十分に構造化され、高品質で、キュレートされた分析可能なデータセットを必要とする。 ここでは、熱波の周囲をマッピングし、干ばつによる極端な衝撃に対処するDeepExtremesデータベースを紹介します。 全世界で4万個以上の空間サンプリングされた小さなデータキューブ(すなわちミニキューブ)を含み、空間カバレッジは2.5×2.5kmである。
  論文  参考訳（メタデータ） (2024-06-26T08:53:26Z)
• Is Sora a World Simulator? A Comprehensive Survey on General World Models and Beyond [101.15395503285804]
  一般世界モデルは、人工知能(AGI)の実現への決定的な道のりを表現している 本調査では,世界モデルの最新動向を包括的に調査する。 我々は,世界モデルの課題と限界について検討し,今後の方向性について考察する。
  論文  参考訳（メタデータ） (2024-05-06T14:37:07Z)
• 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)
• OpenForest: A data catalogue for machine learning in forest monitoring [21.005174521192675]
  森林モニタリングの促進は、人間の影響を緩和し、森林構成の理解を深める上での利点である。 空間規模で86のオープンアクセス森林データセットの概要を概観する。 これらのデータセットは、すべての利用可能なオープンアクセスフォレストデータセットを参照しようとするコントリビューションにオープンな動的カタログであるOpenForestにグループ化されている。
  論文  参考訳（メタデータ） (2023-11-01T03:59:20Z)
• A General Purpose Neural Architecture for Geospatial Systems [142.43454584836812]
  本稿では,空間的帰納バイアスを持つ汎用ニューラルアーキテクチャ(GPNA)の構築に向けたロードマップを示す。 このようなモデルがコミュニティのメンバー間の協力をいかに促進するかを考察する。
  論文  参考訳（メタデータ） (2022-11-04T09:58:57Z)
• Neuroevolution-based Classifiers for Deforestation Detection in Tropical Forests [62.997667081978825]
  森林破壊や荒廃により、毎年何百万ヘクタールもの熱帯林が失われる。 監視・森林破壊検知プログラムは、犯罪者の予防・処罰のための公共政策に加えて、使用されている。 本稿では,熱帯林の森林破壊検出作業におけるニューロ進化技術(NEAT)に基づくパターン分類器の利用を提案する。
  論文  参考訳（メタデータ） (2022-08-23T16:04:12Z)
• Seeing biodiversity: perspectives in machine learning for wildlife conservation [49.15793025634011]
  機械学習は、野生生物種の理解、モニタリング能力、保存性を高めるために、この分析的な課題を満たすことができると我々は主張する。 本質的に、新しい機械学習アプローチとエコロジー分野の知識を組み合わせることで、動物生態学者は現代のセンサー技術が生み出すデータの豊富さを生かすことができる。
  論文  参考訳（メタデータ） (2021-10-25T13:40:36Z)
• Machine Learning for Glacier Monitoring in the Hindu Kush Himalaya [54.12023102155757]
  氷河マッピングは、hkh領域における生態モニタリングの鍵となる。 気候変動は、氷河生態系の健康に依存している個人にリスクを与える。 本稿では,氷河に着目した環境モニタリングを支援する機械学習手法を提案する。
  論文  参考訳（メタデータ） (2020-12-09T12:48:06Z)

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。