論文の概要: Low-cost Robust Night-time Aerial Material Segmentation through Hyperspectral Data and Sparse Spatio-Temporal Learning
- arxiv url: http://arxiv.org/abs/2410.15208v1
- Date: Sat, 19 Oct 2024 20:48:41 GMT
- ステータス: 翻訳完了
- システム内更新日: 2024-10-22 13:21:52.079462
- Title: Low-cost Robust Night-time Aerial Material Segmentation through Hyperspectral Data and Sparse Spatio-Temporal Learning
- Title(参考訳): ハイパースペクトルデータとスパース時空間学習による低コストロバスト夜空物質セグメンテーション
- Authors: Chandrajit Bajaj, Minh Nguyen, Shubham Bhardwaj,
- Abstract要約: 特殊なカメラからのハイパースペクトルデータは、RGB画像に加えて非常に有用である。
このようなデータを学習ベースのセグメンテーションフレームワークに組み込むのは難しい。
本稿では,時間系列に基づく圧縮を用いて,スペクトルデータをセグメント化タスクに効果的かつ精査的に統合する,革新的なSiameseフレームワークを提案する。
- 参考スコア(独自算出の注目度): 3.0077933778535706
- License:
- Abstract: Material segmentation is a complex task, particularly when dealing with aerial data in poor lighting and atmospheric conditions. To address this, hyperspectral data from specialized cameras can be very useful in addition to RGB images. However, due to hardware constraints, high spectral data often come with lower spatial resolution. Additionally, incorporating such data into a learning-based segmentation framework is challenging due to the numerous data channels involved. To overcome these difficulties, we propose an innovative Siamese framework that uses time series-based compression to effectively and scalably integrate the additional spectral data into the segmentation task. We demonstrate our model's effectiveness through competitive benchmarks on aerial datasets in various environmental conditions.
- Abstract(参考訳): 物質セグメンテーションは複雑な作業であり、特に低照度や大気条件下での航空データを扱う場合である。
これを解決するために、特殊なカメラからのハイパースペクトルデータは、RGB画像に加えて非常に有用である。
しかし、ハードウェアの制約のため、高スペクトルデータは空間分解能が低い場合が多い。
さらに、このようなデータを学習ベースのセグメンテーションフレームワークに組み込むことは、多くのデータチャネルが関与しているため困難である。
これらの課題を克服するために,時系列に基づく圧縮を用いて,新たなスペクトルデータをセグメント化タスクに効果的に統合する,革新的なSiameseフレームワークを提案する。
様々な環境条件下での航空データセットの競合ベンチマークにより,本モデルの有効性を実証する。
関連論文リスト
- Enabling High Data Throughput Reinforcement Learning on GPUs: A Domain Agnostic Framework for Data-Driven Scientific Research [90.91438597133211]
我々は、強化学習の適用において重要なシステムのボトルネックを克服するために設計されたフレームワークであるWarpSciを紹介する。
我々は、CPUとGPU間のデータ転送の必要性を排除し、数千のシミュレーションを同時実行可能にする。
論文 参考訳(メタデータ) (2024-08-01T21:38:09Z) - Hyperspectral Dataset and Deep Learning methods for Waste from Electric and Electronic Equipment Identification (WEEE) [0.0]
ハイパースペクトル画像分割のための多種多様なディープラーニングアーキテクチャの性能を評価する。
その結果,空間情報をスペクトルデータと組み合わせることで,セグメンテーション結果が改善された。
我々は、Tecnalia WEEE Hyperspectralデータセットのクリーニングと公開によって、この分野に貢献する。
論文 参考訳(メタデータ) (2024-07-05T13:45:11Z) - Datacube segmentation via Deep Spectral Clustering [76.48544221010424]
拡張ビジョン技術は、しばしばその解釈に挑戦する。
データ立方体スペクトルの巨大な次元性は、その統計的解釈において複雑なタスクを生じさせる。
本稿では,符号化空間における教師なしクラスタリング手法の適用の可能性について検討する。
統計的次元削減はアドホック訓練(可変)オートエンコーダで行い、クラスタリング処理は(学習可能な)反復K-Meansクラスタリングアルゴリズムで行う。
論文 参考訳(メタデータ) (2024-01-31T09:31:28Z) - Anomaly Detection in Satellite Videos using Diffusion Models [5.378437695174892]
衛星データによる極端事象のリアルタイム検出は,災害管理に不可欠である。
動きの速い異常を捉えるために運動成分を必要としない拡散モデルを提案する。
論文 参考訳(メタデータ) (2023-05-25T19:17:39Z) - Imbalanced Aircraft Data Anomaly Detection [103.01418862972564]
航空シナリオ下でのセンサーからの時間データの異常検出は実用的だが難しい課題である。
本稿では,グラフィカル・テンポラル・データ分析フレームワークを提案する。
シリーズ・トゥ・イメージ (S2I) と呼ばれる3つのモジュール、ユークリッド距離 (CRD) を用いたクラスタ・ベース・リサンプリング・アプローチ、変数・ベース・ロス (VBL) から構成される。
論文 参考訳(メタデータ) (2023-05-17T09:37:07Z) - Multimodal Dataset from Harsh Sub-Terranean Environment with Aerosol
Particles for Frontier Exploration [55.41644538483948]
本稿では, エアロゾル粒子を用いた過酷で非構造的な地下環境からのマルチモーダルデータセットを提案する。
ロボットオペレーティング・システム(ROS)フォーマットのすべてのオンボードセンサーから、同期された生データ計測を含んでいる。
本研究の焦点は、時間的・空間的なデータの多様性を捉えることだけでなく、取得したデータに厳しい条件が及ぼす影響を示すことである。
論文 参考訳(メタデータ) (2023-04-27T20:21:18Z) - DOORS: Dataset fOr bOuldeRs Segmentation. Statistical properties and
Blender setup [0.0]
小天体の表面におけるボルダーの検出能力は、重要な操作やナビゲーションにおけるハザード検出などの視覚ベースの応用に有用である。
この研究は、2つのデータセットを生成するために使われる統計的な特徴と設定を提供する。
論文 参考訳(メタデータ) (2022-10-28T16:39:06Z) - Satellite Image Time Series Analysis for Big Earth Observation Data [50.591267188664666]
本稿では,機械学習を用いた衛星画像時系列解析のためのオープンソースRパッケージである sit について述べる。
本手法は, Cerrado Biome のケーススタディにより, 土地利用と土地被覆マップの精度が高いことを示す。
論文 参考訳(メタデータ) (2022-04-24T15:23:25Z) - Coherent Loss: A Generic Framework for Stable Video Segmentation [103.78087255807482]
ビデオセグメンテーションの結果の視覚的品質を,ジッタリングアーティファクトがいかに劣化させるかを検討する。
本稿では,ニューラルネットワークの性能向上を目的とした汎用フレームワークを備えたコヒーレントロスを提案する。
論文 参考訳(メタデータ) (2020-10-25T10:48:28Z)
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。