論文の概要: Development and Application of Self-Supervised Machine Learning for Smoke Plume and Active Fire Identification from the FIREX-AQ Datasets
- arxiv url: http://arxiv.org/abs/2501.15343v1
- Date: Sat, 25 Jan 2025 23:00:07 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-01-28 14:00:06.316458
- Title: Development and Application of Self-Supervised Machine Learning for Smoke Plume and Active Fire Identification from the FIREX-AQ Datasets
- Title（参考訳）: FIREX-AQデータセットによる煙プランとアクティブ火災識別のための自己監督型機械学習の開発と応用
- Authors: Nicholas LaHaye, Anistasija Easley, Kyongsik Yun, Huikyo Lee, Erik Linstead, Michael J. Garay, Olga V. Kalashnikova,
- Abstract要約: 地域・地球環境・大気品質に対する火災の影響(FIREX-AQ)は、山火事や農業火災が大気の質や気候に与える影響をよりよく理解することを目的としたフィールドキャンペーンである。
本研究では、キャンペーン中に収集した衛星及び軌道下リモートセンシングデータセットのアクティブ・ファイア・スモークプ識別・追跡のための自己教師型機械学習(ML)手法を適用し、評価した。
- 参考スコア（独自算出の注目度）: 1.4613528315101563
- License:
- Abstract: Fire Influence on Regional to Global Environments and Air Quality (FIREX-AQ) was a field campaign aimed at better understanding the impact of wildfires and agricultural fires on air quality and climate. The FIREX-AQ campaign took place in August 2019 and involved two aircraft and multiple coordinated satellite observations. This study applied and evaluated a self-supervised machine learning (ML) method for the active fire and smoke plume identification and tracking in the satellite and sub-orbital remote sensing datasets collected during the campaign. Our unique methodology combines remote sensing observations with different spatial and spectral resolutions. The demonstrated approach successfully differentiates fire pixels and smoke plumes from background imagery, enabling the generation of a per-instrument smoke and fire mask product, as well as smoke and fire masks created from the fusion of selected data from independent instruments. This ML approach has a potential to enhance operational wildfire monitoring systems and improve decision-making in air quality management through fast smoke plume identification12 and tracking and could improve climate impact studies through fusion data from independent instruments.
- Abstract（参考訳）: 地域・地球環境・大気品質に対する火災の影響(FIREX-AQ)は、山火事や農業火災が大気の質や気候に与える影響をよりよく理解することを目的としたフィールドキャンペーンである。
FIREX-AQキャンペーンは2019年8月に行われ、2機の航空機と複数の衛星観測が行われた。
本研究では,活動中に収集した衛星及び軌道下リモートセンシングデータセットにおいて,アクティブな火災・煙煙の識別・追跡のための自己教師型機械学習(ML)手法を適用し,評価した。
我々のユニークな方法論は、リモートセンシング観測と異なる空間分解能とスペクトル分解能を組み合わせたものである。
実証されたアプローチは、背景画像とファイアピクセルとスモークプラムの区別に成功し、インストルメント毎のスモークとファイアマスク生成、および独立した機器から選択されたデータと融合して生成されたスモークとファイアマスクを生成することができる。
このMLアプローチは、運用上の山火事監視システムを強化し、高速煙管識別12と追跡による大気質管理における意思決定を改善し、独立した機器からの融合データによる気候影響研究を改善する可能性がある。
関連論文リスト
- From Data to Insights: A Covariate Analysis of the IARPA BRIAR Dataset for Multimodal Biometric Recognition Algorithms at Altitude and Range [13.42292577384284]
本稿では,IARPA BRIARデータセットにおける全身バイオメトリックス性能の融合に着目し,UAVプラットフォーム,高度位置,最大1000mに焦点をあてる。
データセットには、屋内画像や制御された歩行記録と比較して、屋外ビデオが含まれている。
論文 参考訳（メタデータ） (2024-09-03T00:58:50Z) - Observation-Guided Meteorological Field Downscaling at Station Scale: A
Benchmark and a New Method [66.80344502790231]
気象学的ダウンスケーリングを任意の散乱ステーションスケールに拡張し、新しいベンチマークとデータセットを確立する。
データ同化技術にインスパイアされた我々は、観測データをダウンスケーリングプロセスに統合し、マルチスケールの観測先行情報を提供する。
提案手法は、複数の曲面変数上で、他の特別に設計されたベースラインモデルよりも優れている。
論文 参考訳（メタデータ） (2024-01-22T14:02:56Z) - Thermal Image Calibration and Correction using Unpaired Cycle-Consistent
Adversarial Networks [5.343932820859596]
無人航空機(UAV)は、山火事の監視に柔軟で費用対効果の高いソリューションを提供する。
空中画像を用いた山火事の検出・評価のためのディープラーニングモデルの開発の進展は、既存のデータセットの可用性、サイズ、品質に制限されている。
本稿では,現在の山火事データセットの品質向上をめざして,カメラ技術の進歩に対応するソリューションを提案する。
論文 参考訳（メタデータ） (2024-01-21T20:10:02Z) - FLOGA: A machine learning ready dataset, a benchmark and a novel deep
learning model for burnt area mapping with Sentinel-2 [41.28284355136163]
森林火災は人間や動物の生活、生態系、社会経済の安定に重大な脅威をもたらす。
本研究では、FLOGA(Forest wiLdfire Observations for the Greek Area)と名付けた機械学習可能なデータセットを作成し、導入する。
このデータセットは、山火事の前後に取得された衛星画像からなるため、ユニークなものである。
我々はFLOGAを用いて、複数の機械学習アルゴリズムとディープラーニングアルゴリズムの徹底的な比較を行い、バーント領域の自動抽出を行う。
論文 参考訳（メタデータ） (2023-11-06T18:42:05Z) - Efficient Real-time Smoke Filtration with 3D LiDAR for Search and Rescue
with Autonomous Heterogeneous Robotic Systems [56.838297900091426]
スモークとダストは、搭載された知覚システムに依存するため、あらゆる移動ロボットプラットフォームの性能に影響を与える。
本稿では,重みと空間情報に基づく新しいモジュラー計算フィルタを提案する。
論文 参考訳（メタデータ） (2023-08-14T16:48:57Z) - A Multimodal Supervised Machine Learning Approach for Satellite-based
Wildfire Identification in Europe [0.34410212782758043]
本稿では,衛星による自動ホットスポット検出システムの精度を向上させるために,山火事識別ソリューションを提案する。
我々は、モデレート分解能イメージング分光計(MODIS)と可視赤外線放射計(VIIRS)ホットスポットサービスによって検出された熱異常を相互参照する。
そこで本稿では,山火事と他のイベントを区別し,ホットスポットの検出を曖昧にするための教師付き機械学習手法を提案する。
論文 参考訳（メタデータ） (2023-07-27T08:28:57Z) - 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) - Image-Based Fire Detection in Industrial Environments with YOLOv4 [53.180678723280145]
この研究は、AIが火災を検出し、認識し、画像ストリーム上のオブジェクト検出を使用して検出時間を短縮する可能性を検討する。
そこで我々は, YOLOv4オブジェクト検出器をベースとした複数のモデルのトレーニングと評価に使用されてきた複数の公開情報源から, 適切なデータを収集, ラベル付けした。
論文 参考訳（メタデータ） (2022-12-09T11:32:36Z) - A Multi-purpose Real Haze Benchmark with Quantifiable Haze Levels and
Ground Truth [61.90504318229845]
本稿では,ハズフリー画像とその場でのハズ密度測定を併用した,最初の実画像ベンチマークデータセットを提案する。
このデータセットはコントロールされた環境で生成され、プロの煙発生装置がシーン全体を覆っている。
このデータセットのサブセットは、CVPR UG2 2022 チャレンジの Haze Track における Object Detection に使用されている。
論文 参考訳（メタデータ） (2022-06-13T19:14:06Z) - Federated Learning in the Sky: Aerial-Ground Air Quality Sensing
Framework with UAV Swarms [53.38353133198842]
空気質は人間の健康に大きく影響し、空気質指数(AQI)の正確かつタイムリーな予測がますます重要になっている。
本稿では, 精密な3次元空気質モニタリングと予測を行うための, 新たなフェデレーション学習型地上空気質検知フレームワークを提案する。
地中センシングシステムでは, グラフ畳み込みニューラルネットワークを用いたLong Short-Term Memory (GC-LSTM) モデルを提案し, 高精度, リアルタイム, 将来的なAQI推論を実現する。
論文 参考訳（メタデータ） (2020-07-23T13:32:47Z)
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。