論文の概要: Illegal Waste Detection in Remote Sensing Images: A Case Study

• arxiv url: http://arxiv.org/abs/2502.06607v3
• Date: Thu, 15 May 2025 08:22:44 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-05-16 14:06:36.0332
• Title: Illegal Waste Detection in Remote Sensing Images: A Case Study
• Title（参考訳）: リモートセンシング画像における不法廃棄物検出の1例
• Authors: Federico Gibellini, Piero Fraternali, Giacomo Boracchi, Luca Morandini, Thomas Martinoli, Andrea Diecidue, Simona Malegori,
• Abstract要約: 環境犯罪に対する闘いは、現在、写真解釈を支援するために現代の画像分析ツールに依存している。 本稿では,地域環境保護庁と連携して開発された半自動廃棄物検出パイプラインについて述べる。 最高のモデルでは、92.02%のF1スコアと94.56%の精度を達成した。
• 参考スコア（独自算出の注目度）: 3.449039564687536
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Environmental crime is the third largest criminal activity worldwide, with significant revenues coming from illegal management of solid waste. Thanks to the increasing availability and the decreasing cost of Very High Resolution Remote Sensing (VHR RS) images, the fight against environmental crime can nowadays rely on modern image-analysis tools to support photo-interpretation for scanning vast territories in search of illegal waste disposal sites. This paper illustrates a semi-automatic waste detection pipeline, developed in collaboration with a regional environmental protection agency, for detecting candidate illegal dumping sites in VHR RS images. To optimize the effectiveness of the waste detector, extensive experiments evaluate such design choices as the network architecture, the ground resolution and geographic span of the input images, as well as the pretraining procedures. The best model attains remarkable performance, achieving 92.02% F1-Score and 94.56% Accuracy. A generalization study assesses the performance variation when the detector processes images from a territory substantially different from the one used during training, incurring only a moderate performance loss, i.e., 6.5% decrease in the F1-Score. Finally, an exercise in which photo interpreters compare the territory scanning effort with and without the support of the waste detector assesses the concrete benefit of using a computer-aided image analysis tool in a professional environment protection agency. Results show that a reduction up to 30% of the time spent for waste site detection can be attained.
• Abstract（参考訳）: 環境犯罪は世界で3番目に大きな犯罪行為であり、廃棄物の不法な管理からかなりの収入を得ている。 超高分解能リモートセンシング(VHR RS)画像の高可用性化とコストの削減により、現在、環境犯罪との戦いは、違法廃棄物処理場を探すために広大な領域をスキャンする写真解釈を支援するために、現代の画像分析ツールに依存している。 本稿では,VHR RS画像中の不法投棄箇所を検知するために,地域環境保護庁と連携して開発された半自動廃棄物検出パイプラインについて述べる。 廃棄物検知装置の有効性を最適化するため, ネットワークアーキテクチャ, 地上分解能, 地理的スパンなどの設計選択, 事前訓練の手順を広範囲に評価した。 最高のモデルでは、92.02%のF1スコアと94.56%の精度を達成した。 一般化研究では、検出器がトレーニング中に使用した画像と実質的に異なる領域から画像を処理する場合のパフォーマンス変化を評価し、F1スコアの6.5%の低下という程度のパフォーマンス損失しか生じない。 最後に、写真インタプリタが領域スキャン作業と廃棄物検知器の支持なしに比較する演習において、プロの環境保護機関においてコンピュータ支援画像解析ツールを使用することによる具体的な利益を評価する。 その結果, 廃棄物検出に要する時間の最大30%を削減できることがわかった。

関連論文リスト

• Seamless Detection: Unifying Salient Object Detection and Camouflaged Object Detection [73.85890512959861]
  本稿では,SOD(Salient Object Detection)とCOD(Camouflaged Object Detection)を統合化するためのタスク非依存フレームワークを提案する。 我々は、間隔層と大域的コンテキストを含む単純で効果的なコンテキストデコーダを設計し、67fpsの推論速度を実現する。 公開SODデータセットとCODデータセットの実験は、教師なし設定と教師なし設定の両方において、提案したフレームワークの優位性を実証している。
  論文  参考訳（メタデータ） (2024-12-22T03:25:43Z)
• Exploring Superpixel Segmentation Methods in the Context of Citizen Science and Deforestation Detection [0.0]
  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。
  論文  参考訳（メタデータ） (2024-11-26T22:31:09Z)
• Caution for the Environment: Multimodal Agents are Susceptible to Environmental Distractions [68.92637077909693]
  本稿では,グラフィカルユーザインタフェース(GUI)環境におけるマルチモーダル大規模言語モデル(MLLM)エージェントの忠実さについて検討する。 ユーザとエージェントの両方が良性であり、環境は悪質ではないが、無関係なコンテンツを含む、一般的な設定が提案されている。 実験結果から、ジェネラリストエージェントや専門的なGUIエージェントなど、最も強力なモデルでさえ、気晴らしの影響を受けやすいことが明らかとなった。
  論文  参考訳（メタデータ） (2024-08-05T15:16:22Z)
• Solid Waste Detection, Monitoring and Mapping in Remote Sensing Images: A Survey [0.8499685241219366]
  不適切に管理された埋立地は、浸透雨水を介して土壌と地下水を汚染し、動物と人間の両方に脅威を与える。 現場検査のような伝統的な埋立地識別アプローチは、時間と費用がかかる。 地球観測衛星(EO)は、センサーと撮像機能を備えた衛星で、数十年にわたって高解像度のデータを提供してきた。
  論文  参考訳（メタデータ） (2024-02-14T10:24:04Z)
• Implementing Edge Based Object Detection For Microplastic Debris [0.0]
  プラスチックは、我々の日々の活動に欠かせない存在として自制している。 プラスチックの破片レベルは、埋立地のゴミ処理場に廃棄物が蓄積されるにつれて上昇し続けている。 このプロジェクトでは、サンプル画像の時間的検出で実行可能なモデルを生成することができる。
  論文  参考訳（メタデータ） (2023-07-30T17:55:03Z)
• The identification of garbage dumps in the rural areas of Cyprus through the application of deep learning to satellite imagery [0.0]
  本研究の目的は,キプロスの農村部における不法ゴミ捨て場を特定するために,人工知能技術がどの程度活用できるかを検討することである。 これには、ゴミを含むか含まないかのどちらかに分類される可能性のある、新しい画像のデータセットの収集が含まれていた。 ニューラルネットワークは、新しい画像におけるゴミの有無を認識するために訓練された。
  論文  参考訳（メタデータ） (2023-07-23T05:24:20Z)
• Adversarially-Aware Robust Object Detector [85.10894272034135]
  本稿では,ロバスト検出器 (RobustDet) を提案する。 本モデルは, クリーン画像の検出能力を維持しながら, 傾きを効果的に解き, 検出堅牢性を著しく向上させる。
  論文  参考訳（メタデータ） (2022-07-13T13:59:59Z)
• Unsupervised deep learning techniques for powdery mildew recognition based on multispectral imaging [63.62764375279861]
  本稿では,キュウリ葉の粉状ミドウを自動的に認識する深層学習手法を提案する。 マルチスペクトルイメージングデータに適用した教師なし深層学習技術に焦点をあてる。 本稿では, オートエンコーダアーキテクチャを用いて, 疾患検出のための2つの手法を提案する。
  論文  参考訳（メタデータ） (2021-12-20T13:29:13Z)
• Potato Crop Stress Identification in Aerial Images using Deep Learning-based Object Detection [60.83360138070649]
  本稿では, 深層ニューラルネットワークを用いたジャガイモの空中画像解析手法を提案する。 主な目的は、植物レベルでの健康作物とストレス作物の自動空間認識を実証することである。 実験により、フィールド画像中の健康植物とストレス植物を識別し、平均Dice係数0.74を達成できることを示した。
  論文  参考訳（メタデータ） (2021-06-14T21:57:40Z)
• 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)
• A feature-supervised generative adversarial network for environmental monitoring during hazy days [6.276954295407201]
  本稿では,環境モニタリングのためのGAN(Generative Adversarial Network)に基づく特徴教師付き学習ネットワークを提案する。 提案手法は,合成データセットと実世界のリモートセンシング画像の両方において,最先端の手法よりも優れた性能を実現している。
  論文  参考訳（メタデータ） (2020-08-05T05:27:15Z)

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。