Fugu-MT 論文翻訳(概要): Detecting Cadastral Boundary from Satellite Images Using U-Net model

論文の概要: Detecting Cadastral Boundary from Satellite Images Using U-Net model

arxiv url: http://arxiv.org/abs/2502.11044v1
Date: Sun, 16 Feb 2025 09:04:37 GMT
ステータス: 翻訳完了
システム内更新日: 2025-02-18 14:14:18.686904
Title: Detecting Cadastral Boundary from Satellite Images Using U-Net model
Title（参考訳）: U-Netモデルを用いた衛星画像からのカダストラ境界検出
Authors: Neda Rahimpour Anaraki, Maryam Tahmasbi, Saeed Reza Kheradpisheh,
Abstract要約: 本稿では,ResNet34バックボーンを用いたU-Netモデルの学習にトランスファーラーニングを用い,カダストラル境界を検出する。イランの農地における2つの衛星画像の性能を「精度」「リコール」「Fスコア」を用いて評価した。
参考スコア（独自算出の注目度）: 0.42056926734482053
License:
Abstract: Finding the cadastral boundaries of farmlands is a crucial concern for land administration. Therefore, using deep learning methods to expedite and simplify the extraction of cadastral boundaries from satellite and unmanned aerial vehicle (UAV) images is critical. In this paper, we employ transfer learning to train a U-Net model with a ResNet34 backbone to detect cadastral boundaries through three-class semantic segmentation: "boundary", "field", and "background". We evaluate the performance on two satellite images from farmlands in Iran using "precision", "recall", and "F-score", achieving high values of 88%, 75%, and 81%, respectively, which indicate promising results.
Abstract（参考訳）: 農地の境界線を見つけることは、土地管理にとって重要な関心事である。そのため,衛星・無人航空機(UAV)画像から縦断境界線を抽出し,抽出する深層学習手法が重要である。本稿では,ResNet34のバックボーンでU-Netモデルを学習し,3種類のセマンティックセマンティックセグメンテーション(バウンダリ,フィールド,バックグラウンド)を通してカダストラル境界を検出する。イランの農地における2つの衛星画像の性能を,「精度」と「リコール」と「Fスコア」を用いて評価し,それぞれ88%,75%,81%と高い値を示し,有望な結果を示した。

関連論文リスト

FrontierNet: Learning Visual Cues to Explore [54.8265603996238]
この研究は、3Dマップからゴールポーズを抽出する制限に対処するため、効率的な自律探索に2Dビジュアルキューを活用することを目的としている。本研究では,FrontierNetをコアコンポーネントとする画像のみのフロンティア探索システムを提案する。提案手法は既存の3次元探査システムに代わるもので,早期探査効率が16%向上した。
論文参考訳（メタデータ） (2025-01-08T16:25:32Z)
Interpreting Object-level Foundation Models via Visual Precision Search [53.807678972967224]
より少ない領域で正確な属性マップを生成する視覚的精度探索法を提案する。本手法は,マルチモーダル融合による帰属問題を克服するために,内部モデルパラメータをバイパスする。提案手法は,複数の評価指標にまたがる既存の手法を超越して,視覚的接地や物体検出タスクにおける障害を解釈することができる。
論文参考訳（メタデータ） (2024-11-25T08:54:54Z)
Evaluation of Deep Learning Semantic Segmentation for Land Cover Mapping on Multispectral, Hyperspectral and High Spatial Aerial Imagery [0.0]
気候変動の台頭で、土地被覆マッピングは環境モニタリングにおいて緊急に必要となってきた。本研究では,Unet,Linknet,FPN,PSPnetなどのセマンティックセグメンテーション手法を用いて植生や水などの分類を行った。 LinkNetモデルは、すべてのデータセットで0.92の精度でIoUで取得した。
論文参考訳（メタデータ） (2024-06-20T11:40:12Z)
DeepTriNet: A Tri-Level Attention Based DeepLabv3+ Architecture for Semantic Segmentation of Satellite Images [0.0]
本研究では,衛星画像のセマンティックセグメンテーションのための3レベルアテンションに基づくDeepLabv3+アーキテクチャ(DeepTriNet)を提案する。提案手法は, 圧縮・励起ネットワーク (SENets) とトリレベルアテンションユニット (TAUs) をバニラのDeepLabv3+アーキテクチャと組み合わせたものである。提案したDeepTriNetは、精度が98%と77%、IoU 80%と58%、精度が88%と68%で、それぞれ4クラスのLand-Cover.aiデータセットと15クラスのGID-2データセットで79%と55%のリコールで、従来の多くの手法よりも優れている。
論文参考訳（メタデータ） (2023-09-05T18:35:34Z)
HarvestNet: A Dataset for Detecting Smallholder Farming Activity Using Harvest Piles and Remote Sensing [50.4506590177605]
HarvestNetは、2020-2023年のエチオピアのティグレイとアムハラの農場の存在をマッピングするためのデータセットである。本研究は,多くの小作システムの特徴ある収穫杭の検出に基づく新しい手法を提案する。本研究は, 農作物のリモートセンシングが, 食品の安全地帯において, よりタイムリーかつ正確な農地評価に寄与することが示唆された。
論文参考訳（メタデータ） (2023-08-23T11:03:28Z)
Beyond Cross-view Image Retrieval: Highly Accurate Vehicle Localization Using Satellite Image [91.29546868637911]
本稿では,地上画像と架空衛星地図とをマッチングすることにより,車載カメラのローカライゼーションの問題に対処する。鍵となる考え方は、タスクをポーズ推定として定式化し、ニューラルネットベースの最適化によってそれを解くことである。標準自動運転車のローカライゼーションデータセットの実験により,提案手法の優位性が確認された。
論文参考訳（メタデータ） (2022-04-10T19:16:58Z)
Using Machine Learning to generate an open-access cropland map from satellite images time series in the Indian Himalayan Region [0.28675177318965034]
我々は,Sentinel-2衛星画像時系列に依存するMLパイプラインを開発した。ヒマハル・プラデーシュの3つの地区で14,600 km2の農地マップを作成し、既存の公共地図の解像度と品質を改善した。
論文参考訳（メタデータ） (2022-03-28T12:08:06Z)
Embedding Earth: Self-supervised contrastive pre-training for dense land cover classification [61.44538721707377]
本研究では,衛星画像の高可用性を活用するための自己監督型コントラスト事前学習法として,エンベディングアースを提案する。提案手法による事前学習では, 25%の絶対mIoUが得られた。学習した特徴は、異なる領域間で一般化され、提案した事前学習スキームの可能性を開放する。
論文参考訳（メタデータ） (2022-03-11T16:14:14Z)
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)
PP-LinkNet: Improving Semantic Segmentation of High Resolution Satellite Imagery with Multi-stage Training [4.694536172504848]
道路網と建築物のフットプリント抽出は、地図の更新、交通規制、都市計画、ライドシェアリング、災害対応テキストテットックなど、多くのアプリケーションにとって不可欠である。
論文参考訳（メタデータ） (2020-10-14T10:23:48Z)
Land Cover Semantic Segmentation Using ResUNet [0.0]
本稿では,土地被覆分類のための自動システムの開発について述べる。本システムは、入力として領域のマルチバンド衛星画像を取得し、入力と同じ解像度で領域のランドカバーマップを出力する。この目的のために、衛星画像の土地被覆セマンティックセグメンテーションを予測するために、畳み込み機械学習モデルを訓練した。
論文参考訳（メタデータ） (2020-10-13T10:56:09Z)

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。