論文の概要: Real-Time Localization and Bimodal Point Pattern Analysis of Palms Using UAV Imagery

• arxiv url: http://arxiv.org/abs/2410.11124v1
• Date: Mon, 14 Oct 2024 22:23:10 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-10-16 14:03:01.036348
• Title: Real-Time Localization and Bimodal Point Pattern Analysis of Palms Using UAV Imagery
• Title（参考訳）: UAV画像を用いたヤシのリアルタイム局在とバイモーダルポイントパターン解析
• Authors: Kangning Cui, Wei Tang, Rongkun Zhu, Manqi Wang, Gregory D. Larsen, Victor P. Pauca, Sarra Alqahtani, Fan Yang, David Segurado, Paul Fine, Jordan Karubian, Raymond H. Chan, Robert J. Plemmons, Jean-Michel Morel, Miles R. Silman,
• Abstract要約: リアルタイム検出,セグメンテーション,およびカノピーヤシのカウントのためのディープラーニングフレームワークであるPalmDSNetを紹介する。 エクアドル西部の熱帯林21ヶ所からUAVキャプチャー画像を用いてオルソモザイクを作成する。 画像パッチ上の7,356のバウンディングボックスと5つの整形外科領域にわたる7,603のヤシセンターを含む、包括的なデータセットを作成するために専門家アノテーションが使用された。
• 参考スコア（独自算出の注目度）: 13.085752393960886
• License:
• Abstract: Understanding the spatial distribution of palms within tropical forests is essential for effective ecological monitoring, conservation strategies, and the sustainable integration of natural forest products into local and global supply chains. However, the analysis of remotely sensed data in these environments faces significant challenges, such as overlapping palm and tree crowns, uneven shading across the canopy surface, and the heterogeneous nature of the forest landscapes, which often affect the performance of palm detection and segmentation algorithms. To overcome these issues, we introduce PalmDSNet, a deep learning framework for real-time detection, segmentation, and counting of canopy palms. Additionally, we employ a bimodal reproduction algorithm that simulates palm spatial propagation to further enhance the understanding of these point patterns using PalmDSNet's results. We used UAV-captured imagery to create orthomosaics from 21 sites across western Ecuadorian tropical forests, covering a gradient from the everwet Choc\'o forests near Colombia to the drier forests of southwestern Ecuador. Expert annotations were used to create a comprehensive dataset, including 7,356 bounding boxes on image patches and 7,603 palm centers across five orthomosaics, encompassing a total area of 449 hectares. By combining PalmDSNet with the bimodal reproduction algorithm, which optimizes parameters for both local and global spatial variability, we effectively simulate the spatial distribution of palms in diverse and dense tropical environments, validating its utility for advanced applications in tropical forest monitoring and remote sensing analysis.
• Abstract（参考訳）: 熱帯林におけるヤシの空間分布の把握は, 効果的な生態モニタリング, 保全戦略, 自然林産物の地域およびグローバルサプライチェーンへの持続可能な統合に不可欠である。 しかし、これらの環境におけるリモートセンシングデータの解析は、手のひらと木の冠の重なり合い、天蓋を横切る不均一な陰影、ヤシ検出と区分けアルゴリズムの性能にしばしば影響を及ぼす森林景観の不均一な性質など、重大な課題に直面している。 これらの問題を克服するために、リアルタイム検出、セグメンテーション、カノピーヤシのカウントのためのディープラーニングフレームワークであるPalmDSNetを紹介した。 さらに,ヤシの空間伝搬をシミュレートしたバイモーダル再生アルゴリズムを用いて,PalmDSNetの結果を用いてこれらの点パターンの理解を深める。 我々はUAV撮像画像を用いて、エクアドル西部の熱帯林21ヶ所から、コロンビア近郊の長尾林からエクアドル南西部の乾燥した森林までの勾配を網羅したオルソモザイクを作成した。 画像パッチ上の7,356のバウンディングボックスと5つの整形外科領域にまたがる7,603のヤシセンターを含む包括的なデータセットを作成するために専門家アノテーションが使用された。 局所的・大域的空間変動のパラメータを最適化するバイモーダル再現アルゴリズムとPalmDSNetを組み合わせることで,多種多様で密集した熱帯環境におけるヤシの空間分布を効果的にシミュレートし,熱帯森林モニタリングやリモートセンシング解析における先進的な応用に有効であることを示す。

関連論文リスト

• PalmProbNet: A Probabilistic Approach to Understanding Palm Distributions in Ecuadorian Tropical Forest via Transfer Learning [0.0]
  ヤシは熱帯林では大きな役割を担っており、人間や野生動物にとって重要な資源である。 地理空間画像におけるヤシの正確な識別と位置特定は、重大な課題を呈する。 転送学習を利用した確率論的手法であるPalmProbNetを導入し,高分解能UAV由来のオルソモザイク画像の解析を行う。
  論文  参考訳（メタデータ） (2024-03-05T17:54:22Z)
• Deep Efficient Private Neighbor Generation for Subgraph Federated Learning [57.39918843245229]
  そこで我々は,FedDEPを提案する。FedDEPは,部分グラフの欠落が原因で,局所的な部分グラフ上での不完全な情報伝達に対処する。 FedDEPは,(1)GNN埋め込みを利用した深部近傍世代,(2)埋め込みプロトタイピングによる近接世代に対する効率的な擬似FL,(3)ノイズのないエッジ局所微分プライバシによるプライバシ保護という,一連の新しい技術設計で構成されている。
  論文  参考訳（メタデータ） (2024-01-09T03:29:40Z)
• A Framework of Landsat-8 Band Selection based on UMDA for Deforestation Detection [1.3654846342364308]
  本研究では、分布推定アルゴリズム(UMDA)を用いてランドサット8からスペクトル帯域を抽出し、森林破壊領域をよりよく表現する新しいフレームワークを提案する。 実験では、セグメント分類タスクにおいて90%以上の精度でバランスのとれた複数の組成を見つけることができた。
  論文  参考訳（メタデータ） (2023-11-17T13:34:58Z)
• Sustainable Palm Tree Farming: Leveraging IoT and Multi-Modal Data for Early Detection and Mapping of Red Palm Weevil [2.423660247459463]
  レッド・パーム・ウィービル(RPW)は、経済的損失を引き起こし、世界中のヤシの栽培に影響を及ぼす破壊的な昆虫である。 本稿では,RPWの早期検出・管理に先進技術を活用することで,持続的ヤシ作経営の革新的アプローチを提案する。
  論文  参考訳（メタデータ） (2023-06-29T11:19:06Z)
• Vision Transformers, a new approach for high-resolution and large-scale mapping of canopy heights [50.52704854147297]
  分類(離散化)と連続損失関数を最適化した新しい視覚変換器(ViT)モデルを提案する。 このモデルは、従来使用されていた畳み込みベースのアプローチ(ConvNet)よりも、連続損失関数のみで最適化された精度が向上する。
  論文  参考訳（メタデータ） (2023-04-22T22:39:03Z)
• 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)
• Country-wide Retrieval of Forest Structure From Optical and SAR Satellite Imagery With Bayesian Deep Learning [74.94436509364554]
  本研究では,10mの解像度で森林構造変数を高密度に推定するベイズ深層学習手法を提案する。 本手法は,Sentinel-2光画像とSentinel-1合成開口レーダ画像を5種類の森林構造変数のマップに変換する。 ノルウェーを横断する41の空中レーザー走査ミッションの基準データに基づいて、我々のモデルを訓練し、テストする。
  論文  参考訳（メタデータ） (2021-11-25T16:21:28Z)
• Estimating Crop Primary Productivity with Sentinel-2 and Landsat 8 using Machine Learning Methods Trained with Radiative Transfer Simulations [58.17039841385472]
  我々は,機械モデリングと衛星データ利用の並列化を活用し,作物生産性の高度モニタリングを行う。 本モデルでは, 地域情報を使用しなくても, 各種C3作物の種類, 環境条件の総合的生産性を推定することに成功した。 これは、現在の地球観測クラウドコンピューティングプラットフォームの助けを借りて、新しい衛星センサーから作物の生産性をグローバルにマップする可能性を強調しています。
  論文  参考訳（メタデータ） (2020-12-07T16:23:13Z)
• Cross-regional oil palm tree counting and detection via multi-level attention domain adaptation network [14.75977184630115]
  マルチレベル注意領域適応ネットワーク (MADAN) を用いた新しい領域適応型オイルパーム木検出手法を提案する。 まず、バッチインスタンス正規化ネットワーク(BIN)ベースの特徴抽出器を採用した。 次に,マルチレベルアテンション機構(MLA)をアーキテクチャに組み込み,トランスファビリティを向上させる。 第3に,スライディングウインドウに基づく予測とIOUに基づく後処理手法を用いて最終検出結果を得た。
  論文  参考訳（メタデータ） (2020-08-26T12:02:44Z)
• OmniSLAM: Omnidirectional Localization and Dense Mapping for Wide-baseline Multi-camera Systems [88.41004332322788]
  超広視野魚眼カメラ(FOV)を用いた広視野多視点ステレオ構成のための全方向位置決めと高密度マッピングシステムを提案する。 より実用的で正確な再構築のために、全方向深度推定のための改良された軽量のディープニューラルネットワークを導入する。 我々は全方位深度推定をビジュアル・オドメトリー(VO)に統合し,大域的整合性のためのループ閉鎖モジュールを付加する。
  論文  参考訳（メタデータ） (2020-03-18T05:52:10Z)

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。