論文の概要: AIWR: Aerial Image Water Resource Dataset for Segmentation Analysis

• arxiv url: http://arxiv.org/abs/2411.01797v1
• Date: Mon, 04 Nov 2024 04:45:45 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-11-05 14:39:40.329842
• Title: AIWR: Aerial Image Water Resource Dataset for Segmentation Analysis
• Title（参考訳）: AIWR: セグメンテーション分析のための航空画像水資源データセット
• Authors: Sangdaow Noppitaka, Emmanuel Okafor, Olarik Surinta,
• Abstract要約: データセットはBing Mapsを使って作成され、ベーシックジオグラフィックデータセット(FGDS)の標準に従っている。 リモートセンシングの専門家が検証した根拠となる真実のアノテーションが含まれている。 AIWRデータセットは、サイズ、色、形状、水域の類似性の違いによるセグメンテーションなど、かなりの課題を提示している。
• 参考スコア（独自算出の注目度）: 0.0
• License:
• Abstract: Effective water resource management is crucial in agricultural regions like northeastern Thailand, where limited water retention in sandy soils poses significant challenges. In response to this issue, the Aerial Image Water Resource (AIWR) dataset was developed, comprising 800 aerial images focused on natural and artificial water bodies in this region. The dataset was created using Bing Maps and follows the standards of the Fundamental Geographic Data Set (FGDS). It includes ground truth annotations validated by experts in remote sensing, making it an invaluable resource for researchers in geoinformatics, computer vision, and artificial intelligence. The AIWR dataset presents considerable challenges, such as segmentation due to variations in the size, color, shape, and similarity of water bodies, which often resemble other land use categories.
• Abstract（参考訳）: 効果的な水資源管理は、砂質の土壌に限られた水分保持が大きな課題となるタイ北東部などの農業地域では不可欠である。 この問題に対応するために、この地域の自然と人工の水域に焦点を当てた800の空中画像からなる航空画像水資源(AIWR)データセットが開発された。 データセットはBing Mapsを使用して作成され、ベーシックジオグラフィックデータセット(FGDS)の標準に従っている。 これには、リモートセンシングの専門家によって検証された地上の真実のアノテーションが含まれており、ジオインフォマティクス、コンピュータビジョン、人工知能の研究者にとって貴重なリソースとなっている。 AIWRデータセットは、サイズ、色、形状、および他の土地利用カテゴリーによく似ている水域の類似性の違いによるセグメンテーションなど、かなりの課題を示す。

関連論文リスト

• SEN12-WATER: A New Dataset for Hydrological Applications and its Benchmarking [40.996860106131244]
  気候と干ばつの増加は、世界中の水資源管理に重大な課題をもたらしている。 本稿では,干ばつ関連分析のためのエンドツーエンドディープラーニングフレームワークを用いたベンチマークとともに,新しいデータセットであるSEN12-WATERを提案する。
  論文  参考訳（メタデータ） (2024-09-25T16:50:59Z)
• Leveraging Citizen Science for Flood Extent Detection using Machine Learning Benchmark Dataset [0.9029386959445269]
  我々は、アメリカ本土とバングラデシュ内の約36,000平方キロメートルの地域をカバーする、既知の洪水イベントの間に、ラベル付きの水域範囲と浸水地域の範囲を作成します。 また、データセットをオープンソース化し、データセットに基づいたオープンコンペティションを開催して、コミュニティ生成モデルを使用した洪水範囲検出を迅速にプロトタイプ化しました。 データセットはSentinel-1C SARデータに基づく既存のデータセットに追加され、より堅牢な洪水範囲のモデリングにつながります。
  論文  参考訳（メタデータ） (2023-11-15T18:49:29Z)
• GLH-Water: A Large-Scale Dataset for Global Surface Water Detection in Large-Size Very-High-Resolution Satellite Imagery [2.342488890032597]
  本稿では,250個の衛星画像と手動による表層水アノテーションからなるGLH-waterデータセットを提案する。 それぞれの画像サイズは12,800ドル(約12,800円)で、空間解像度0.3mの12,800ピクセル。 GLH-waterのベンチマークを構築するために,代表表面水検出モデル,一般的なセマンティックセグメンテーションモデル,超高分解能セグメンテーションモデルを用いた広範囲な実験を行った。
  論文  参考訳（メタデータ） (2023-03-16T13:35:56Z)
• 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)
• Jalisco's multiclass land cover analysis and classification using a novel lightweight convnet with real-world multispectral and relief data [51.715517570634994]
  本稿では、LC分類と解析を行うために、新しい軽量(89kパラメータのみ)畳み込みニューラルネットワーク(ConvNet)を提案する。 本研究では,実世界のオープンデータソースを3つ組み合わせて13のチャネルを得る。 組込み分析は、いくつかのクラスにおいて限られたパフォーマンスを期待し、最も類似したクラスをグループ化する機会を与えてくれます。
  論文  参考訳（メタデータ） (2022-01-26T14:58:51Z)
• Object Detection in Aerial Images: A Large-Scale Benchmark and Challenges [124.48654341780431]
  航空画像(DOTA)におけるオブジェクトデテクションの大規模データセットとODAIの総合的ベースラインについて述べる。 提案するDOTAデータセットは,11,268個の空中画像から収集した18カテゴリのオブジェクト指向ボックスアノテーションの1,793,658個のオブジェクトインスタンスを含む。 70以上の構成を持つ10の最先端アルゴリズムをカバーするベースラインを構築し,各モデルの速度と精度を評価した。
  論文  参考訳（メタデータ） (2021-02-24T11:20:55Z)
• Water Level Estimation Using Sentinel-1 Synthetic Aperture Radar Imagery And Digital Elevation Models [0.0]
  Sentinel-1 Synthetic Aperture Radar ImageryとDigital Elevation Modelデータセットを用いた新しい水位抽出手法を提案する。 実験の結果、このアルゴリズムは世界中の3つの貯水池で0.93mの低い平均誤差を達成した。
  論文  参考訳（メタデータ） (2020-12-11T18:42:15Z)
• Batch Exploration with Examples for Scalable Robotic Reinforcement Learning [63.552788688544254]
  BEE(Batch Exploration with Examples)は、重要状態の画像の少ない数の人間がガイドする状態空間の関連領域を探索する。 BEEは、シミュレーションと本物のフランカロボットの両方で、視覚ベースの操作に挑戦することができる。
  論文  参考訳（メタデータ） (2020-10-22T17:49:25Z)
• Weakly Supervised Domain Adaptation for Built-up Region Segmentation in Aerial and Satellite Imagery [3.8508264614798517]
  環境に対する人間の影響,公共政策の影響,一般都市人口分析を理解する上で,構築された地域推定は重要な要素である。 航空や衛星画像の多様性と、この多様性をカバーするラベル付きデータの欠如により、機械学習アルゴリズムの一般化が困難になる。 本稿では,衛星画像と空中画像の課題に対処する新しい領域適応アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2020-07-05T10:05:01Z)
• A Data Scientist's Guide to Streamflow Prediction [55.22219308265945]
  我々は,水文降雨要素と流出モデルに着目し,洪水の予測と流れの予測に応用する。 このガイドは、データサイエンティストが問題や水文学的な概念、そしてその過程で現れる詳細を理解するのを助けることを目的としています。
  論文  参考訳（メタデータ） (2020-06-05T08:04:37Z)
• The 1st Agriculture-Vision Challenge: Methods and Results [144.57794061346974]
  第1回農業ビジョンチャレンジは、航空画像から農業パターン認識のための新しい効果的なアルゴリズムの開発を奨励することを目的としている。 約57の参加チームが、航空農業のセマンティックセグメンテーションの最先端を達成するために競っている。 本報告では,課題における注目すべき手法と成果について概説する。
  論文  参考訳（メタデータ） (2020-04-21T05:02:31Z)

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。