論文の概要: Exploring Superpixel Segmentation Methods in the Context of Citizen Science and Deforestation Detection

• arxiv url: http://arxiv.org/abs/2411.17922v3
• Date: Sun, 12 Jan 2025 16:50:07 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-01-14 14:24:56.672327
• Title: Exploring Superpixel Segmentation Methods in the Context of Citizen Science and Deforestation Detection
• Title（参考訳）: 市民科学と森林破壊検出の文脈におけるスーパーピクセルセグメンテーション手法の探索
• Authors: Hugo Resende, Isabela Borlido, Victor Sundermann, Eduardo B. Neto, Silvio Jamil F. Guimarães, Fabio Faria, Alvaro Luiz Fazenda,
• Abstract要約: 熱帯の森林は地球の生態系において重要な役割を担っている。 森林破壊と劣化は 彼らの存在に重大な脅威をもたらします イニシアチブは、政府や民間セクターの監視プログラムから、市民科学キャンペーンに基づくソリューションまで、さまざまです。
• 参考スコア（独自算出の注目度）: 0.0
• License:
• Abstract: Tropical forests play an essential role in the planet's ecosystem, making the conservation of these biomes a worldwide priority. However, ongoing deforestation and degradation pose a significant threat to their existence, necessitating effective monitoring and the proposal of actions to mitigate the damage caused by these processes. In this regard, initiatives range from government and private sector monitoring programs to solutions based on citizen science campaigns, for example. Particularly in the context of citizen science campaigns, the segmentation of remote sensing images to identify deforested areas and subsequently submit them to analysis by non-specialized volunteers is necessary. Thus, segmentation using superpixel-based techniques proves to be a viable solution for this important task. Therefore, this paper presents an analysis of 22 superpixel-based segmentation methods applied to remote sensing images, aiming to identify which of them are more suitable for generating segments for citizen science campaigns. The results reveal that seven of the segmentation methods outperformed the baseline method (SLIC) currently employed in the ForestEyes citizen science project, indicating an opportunity for improvement in this important stage of campaign development.
• Abstract（参考訳）: 熱帯の森林は地球の生態系において重要な役割を担い、これらの生物の保護を世界規模で優先している。 しかし、森林伐採と荒廃は、その存在に重大な脅威をもたらし、効果的な監視を必要とし、これらのプロセスによる被害を軽減するための行動を提案する。 この点において、イニシアチブは、政府や民間セクターの監視プログラムから、市民科学キャンペーンに基づくソリューションまで様々である。 特に市民科学キャンペーンの文脈では、森林伐採地域を特定するためにリモートセンシング画像のセグメンテーションが必要である。 したがって、スーパーピクセルベースの手法を用いたセグメンテーションは、この重要な課題に対して実行可能な解決法であることが証明されている。 そこで,本稿では,22個のスーパーピクセル・セグメンテーション法をリモートセンシング画像に適用し,これらのセグメンテーションが市民科学キャンペーンのセグメンテーションに最も適しているかを特定することを目的とした。 その結果,7つのセグメンテーション手法が,現在フォレストアイズ市民科学プロジェクトにおいて採用されているベースライン法(SLIC)よりも優れており,この重要なキャンペーン開発における改善の機会が示唆された。

関連論文リスト

• How to Identify Good Superpixels for Deforestation Detection on Tropical Rainforests [0.0]
  熱帯林における森林破壊検出システムを支援するため,衛星画像中の16個のスーパーピクセル法を評価した。 以上の結果から, ERS, GMMSP, DISFはそれぞれUE, BR, SIRSで最高の成績を示した。 森林破壊検出タスクの優れたスーパーピクセルを特定するのに, ディライン, 均一性, コンパクト性, 規則性の間のトレードオフが良好であるスーパーピクセル法が適している。
  論文  参考訳（メタデータ） (2024-09-06T15:05:32Z)
• Sampling Strategies based on Wisdom of Crowds for Amazon Deforestation Detection [0.5825410941577593]
  2019年4月、フォレストアイス(FE)と呼ばれる市民科学と機械学習モデルに基づくプロジェクトが立ち上げられた。 FEは、森林破壊監視の取り組みにおいて、政府や非営利団体の専門家を支援する補助データを提供する。 最近の研究では、FEプロジェクトのボランティア/市民科学者のラベル付けが機械学習モデルの調整に役立つことが示されている。
  論文  参考訳（メタデータ） (2024-08-22T13:21:47Z)
• SaccadeDet: A Novel Dual-Stage Architecture for Rapid and Accurate Detection in Gigapixel Images [50.742420049839474]
  SaccadeDetは、人間の目の動きにインスパイアされた、ギガピクセルレベルの物体検出のための革新的なアーキテクチャである。 PANDAデータセットを用いて評価した本手法は,最先端手法の8倍の高速化を実現する。 また、全スライドイメージングへの応用を通じて、ギガピクセルレベルの病理解析に有意な可能性を示す。
  論文  参考訳（メタデータ） (2024-07-25T11:22:54Z)
• Semi-Supervised Semantic Segmentation Based on Pseudo-Labels: A Survey [49.47197748663787]
  本総説は, 半教師付きセマンティックセグメンテーション分野における擬似ラベル手法に関する最新の研究成果について, 包括的かつ組織的に概観することを目的としている。 さらに,医用およびリモートセンシング画像のセグメンテーションにおける擬似ラベル技術の適用について検討する。
  論文  参考訳（メタデータ） (2024-03-04T10:18:38Z)
• Rapid Deforestation and Burned Area Detection using Deep Multimodal Learning on Satellite Imagery [3.8073142980733]
  アマゾンの森林における森林破壊の推定と火災検出は、広大な面積のために大きな課題となっている。 マルチモーダル衛星画像とリモートセンシングは、アマゾン地域の森林破壊を推定し、山火事を検出するための有望なソリューションを提供する。 本研究では、畳み込みニューラルネットワーク(CNN)と包括的データ処理技術を用いて、これらの問題を解決するための新しいキュレートデータセットとディープラーニングベースのアプローチを提案する。
  論文  参考訳（メタデータ） (2023-07-10T21:49:30Z)
• ForestEyes Project: Conception, Enhancements, and Challenges [68.8204255655161]
  この研究はフォレストEyesという市民科学プロジェクトを紹介している。 リモートセンシング画像の解析と分類を通じてボランティアの回答を用いて、熱帯雨林の森林破壊地域をモニタリングする。 これらの回答の品質を評価するために、ブラジルの法律Amazonのリモートセンシング画像を使用して、さまざまなキャンペーン/ワークフローがローンチされた。
  論文  参考訳（メタデータ） (2022-08-24T17:48:12Z)
• 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)
• Forest and Water Bodies Segmentation Through Satellite Images Using U-Net [0.0]
  本稿では,森林と水に覆われた地域を観察する手法を提案する。 このタスクを実現するために,イメージセグメンテーションモデルであるUNetモデルが提案されている。 このモデルは、森林と水に覆われた地域の区分について、それぞれ82.55%と82.92%の検証精度を達成した。
  論文  参考訳（メタデータ） (2022-07-12T22:29:37Z)
• ZeroWaste Dataset: Towards Automated Waste Recycling [51.053682077915546]
  産業レベルの廃棄物検出・分別データセットZeroWasteについて述べる。 このデータセットには、実際の廃棄物処理工場から収集された1800以上のビデオフレームが含まれている。 最先端のセグメンテーション手法では,対象物を正しく検出・分類することが困難であることを示す。
  論文  参考訳（メタデータ） (2021-06-04T22:17:09Z)
• Self-supervised Segmentation via Background Inpainting [96.10971980098196]
  移動可能なカメラで撮影された単一の画像で、自己教師付き検出とセグメンテーションのアプローチを導入する。 我々は、提案に基づくセグメンテーションネットワークのトレーニングに利用する自己教師付き損失関数を利用する。 本手法は,標準ベンチマークから視覚的に切り離された画像の人間の検出とセグメント化に応用し,既存の自己監督手法より優れていることを示す。
  論文  参考訳（メタデータ） (2020-11-11T08:34:40Z)

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。