論文の概要: An ocean front detection and tracking algorithm

• arxiv url: http://arxiv.org/abs/2502.15250v3
• Date: Tue, 25 Feb 2025 13:31:40 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-02-26 11:59:03.618846
• Title: An ocean front detection and tracking algorithm
• Title（参考訳）: 海面検出・追跡アルゴリズム
• Authors: Yishuo Wang, Feng Zhou,
• Abstract要約: 本稿では,距離空間解析を用いたベイズフロント検出・追跡フレームワークを提案する。 BFDTMSAはヒストグラム法と比較して過検出を73%削減する。 オープンソースリリースは、再現可能な海洋研究において重要なギャップを埋めるものだ。
• 参考スコア（独自算出の注目度）: 5.4819117545326055
• License:
• Abstract: Existing ocean front detection methods--including histogram-based variance analysis, Lyapunov exponent, gradient thresholding, and machine learning--suffer from critical limitations: discontinuous outputs, over-detection, reliance on single-threshold decisions, and lack of open-source implementations. To address these challenges, this paper proposes the Bayesian Front Detection and Tracking framework with Metric Space Analysis (BFDT-MSA). The framework introduces three innovations: (1) a Bayesian decision mechanism that integrates gradient priors and field operators to eliminate manual threshold sensitivity; (2) morphological refinement algorithms for merging fragmented fronts, deleting spurious rings, and thinning frontal zones to pixel-level accuracy; and (3) a novel metric space definition for temporal front tracking, enabling systematic analysis of front evolution. Validated on global SST data (2022--2024), BFDT-MSA reduces over-detection by $73\%$ compared to histogram-based methods while achieving superior intensity ($0.16^\circ$C/km), continuity, and spatiotemporal coherence. The open-source release bridges a critical gap in reproducible oceanographic research.
• Abstract（参考訳）: 既存の海面検出手法 – ヒストグラムに基づく分散分析,リアプノフ指数,勾配しきい値設定,マシンラーニングなど – には,不連続な出力,過剰検出,単一閾値決定への依存,オープンソース実装の欠如など,重要な制限がある。 これらの課題に対処するために,BFDT-MSA(Metric Space Analysis)を用いたベイズフロント検出・追跡フレームワークを提案する。 この枠組みは,(1)手動の閾値感度を除去するために勾配事前と場演算子を統合するベイズ的決定機構,(2)断片化された前面をマージする形態的改善アルゴリズム,スプリアスリングの削除,および前頭領域をピクセルレベルの精度に縮小する手法,(3)時間的正面追跡のための新しい距離空間定義を導入し,前頭進化の体系的解析を可能にした。 グローバルSSTデータ(2022-2024)で検証されたBFDT-MSAは、高強度(0.16^\circ$C/km)、連続性、時空間コヒーレンスを達成しつつ、ヒストグラム法と比較して過検出を7,3\%削減する。 オープンソースリリースは、再現可能な海洋研究において重要なギャップを埋めるものだ。

関連論文リスト

• Implicit Occupancy Flow Fields for Perception and Prediction in Self-Driving [68.95178518732965]
  自動運転車(SDV)は、周囲を認識でき、他の交通参加者の将来の行動を予測できなければならない。 既存の作業は、検出されたオブジェクトの軌跡が続くオブジェクト検出を実行するか、シーン全体の密度の高い占有とフローグリッドを予測するかのいずれかである。 これは、認識と将来の予測に対する統一されたアプローチを動機付け、単一のニューラルネットワークで時間とともに占有とフローを暗黙的に表現します。
  論文  参考訳（メタデータ） (2023-08-02T23:39:24Z)
• Real-time AdaBoost cascade face tracker based on likelihood map and optical flow [59.17685450892182]
  著者らは、光学フロー情報をヴィオラ・ジョーンズ検出アルゴリズムの修正版に組み込む新しい顔追跡手法を提案する。 元のアルゴリズムでは、前のフレームからの情報が考慮されないため、検出は静的である。 提案したトラッカーは、各ウィンドウが通過する分類段階の数に関する情報を保存する。
  論文  参考訳（メタデータ） (2022-10-25T10:15:07Z)
• RCLane: Relay Chain Prediction for Lane Detection [76.62424079494285]
  本稿では,リレーチェーン予測に基づく車線検出手法を提案する。 当社の戦略では,TuSimple,CULane,CurveLanes,LLAMASの4つの主要なベンチマーク上で,最先端の新たなベンチマークを確立することが可能です。
  論文  参考訳（メタデータ） (2022-07-19T16:48:39Z)
• LSENet: Location and Seasonality Enhanced Network for Multi-Class Ocean Front Detection [22.86716538369453]
  海洋前線は栄養素の蓄積を引き起こし、水中の音の伝搬に影響を与える可能性がある。 現在の海洋前線検出法は、検出精度が低いか、ほとんどの場合、二分法で海洋前線の発生を検出できない。 本稿では,LSENetと呼ばれるセマンティックセグメンテーションネットワークを提案する。
  論文  参考訳（メタデータ） (2021-08-05T08:40:42Z)
• Probabilistic and Geometric Depth: Detecting Objects in Perspective [78.00922683083776]
  3次元物体検出は、運転支援システムなどの様々な実用用途で必要とされる重要な機能である。 双眼視やLiDARに頼っている従来の設定に比べて、経済的な解決策として単眼3D検出が注目されているが、それでも満足のいく結果が得られていない。 本稿ではまず,この問題に関する系統的研究を行い,現在の単分子3次元検出問題をインスタンス深度推定問題として単純化できることを考察する。
  論文  参考訳（メタデータ） (2021-07-29T16:30:33Z)
• Class agnostic moving target detection by color and location prediction of moving area [11.326363150470204]
  移動目標検出はコンピュータビジョンにおいて重要な役割を果たす。 ディープラーニングベースの畳み込みニューラルネットワークのような最近のアルゴリズムは、高精度でリアルタイムのパフォーマンスを実現している。 モデル自由移動目標検出アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2021-06-24T12:34:58Z)
• HED-UNet: Combined Segmentation and Edge Detection for Monitoring the Antarctic Coastline [14.235722825330493]
  深層学習モデルにおける海岸線検出のための2つのアプローチを結合する新しいモデルを考案した。 複数の解像度でサイド予測を深く監視し、トレーニングを効率化します。 このアプローチの実装はurlhttps://github.com/kr/HED-UNetで公開されている。
  論文  参考訳（メタデータ） (2021-03-02T16:35:05Z)
• Map-Enhanced Ego-Lane Detection in the Missing Feature Scenarios [26.016292792373815]
  本稿では,検出アルゴリズムの性能向上に優れた,デジタル地図に含まれる事前知識を活用する。 このようにして、路面形状と実車線の位置誤差を除去するためには、少数の車線特徴しか必要としない。 実験の結果,提案手法は様々なシナリオに適用可能であり,20Hzの周波数でリアルタイムに動作可能であることがわかった。
  論文  参考訳（メタデータ） (2020-04-02T16:06:48Z)
• Refined Plane Segmentation for Cuboid-Shaped Objects by Leveraging Edge Detection [63.942632088208505]
  本稿では,セグメント化された平面マスクを画像に検出されたエッジと整列するための後処理アルゴリズムを提案する。 これにより、立方体形状の物体に制限を加えながら、最先端のアプローチの精度を高めることができます。
  論文  参考訳（メタデータ） (2020-03-28T18:51:43Z)
• Saliency Enhancement using Gradient Domain Edges Merging [65.90255950853674]
  本研究では,エッジとサリエンシマップをマージして,サリエンシマップの性能を向上させる手法を開発した。 これにより、DUT-OMRONデータセットの少なくとも3.4倍の平均的な改善により、エッジ(SEE)を使用したサリエンシ向上が提案された。 SEEアルゴリズムは前処理のためのSEE-Preと後処理のためのSEE-Postの2つの部分に分けられる。
  論文  参考訳（メタデータ） (2020-02-11T14:04:56Z)

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。