論文の概要: Towards Operational Automated Greenhouse Gas Plume Detection

• arxiv url: http://arxiv.org/abs/2505.21806v1
• Date: Tue, 27 May 2025 22:22:54 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-05-29 17:35:50.316537
• Title: Towards Operational Automated Greenhouse Gas Plume Detection
• Title（参考訳）: 運転自動温室効果ガスプルーム検出に向けて
• Authors: Brian D. Bue, Jake H. Lee, Andrew K. Thorpe, Philip G. Brodrick, Daniel Cusworth, Alana Ayasse, Vassiliki Mancoridis, Anagha Satish, Shujun Xiong, Riley Duren,
• Abstract要約: この研究は、データとラベルの品質管理、バイアスの防止、そして正しく整列されたモデリング目的など、この分野におけるいくつかの重要な障害をレビューし対処する。 運用性能検出が可能な航空機および宇宙搭載機器のマルチキャンプデータを用いた厳密な実験を実演する。 分析可能なデータ、モデル、デプロイメントのためのソースコードを提供し、ベストプラクティスのセットを定義します。
• 参考スコア（独自算出の注目度）: 0.15556354682377155
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Operational deployment of a fully automated greenhouse gas (GHG) plume detection system remains an elusive goal for imaging spectroscopy missions, despite recent advances in deep learning approaches. With the dramatic increase in data availability, however, automation continues to increase in importance for natural and anthropogenic emissions monitoring. This work reviews and addresses several key obstacles in the field: data and label quality control, prevention of spatiotemporal biases, and correctly aligned modeling objectives. We demonstrate through rigorous experiments using multicampaign data from airborne and spaceborne instruments that convolutional neural networks (CNNs) are able to achieve operational detection performance when these obstacles are alleviated. We demonstrate that a multitask model that learns both instance detection and pixelwise segmentation simultaneously can successfully lead towards an operational pathway. We evaluate the model's plume detectability across emission source types and regions, identifying thresholds for operational deployment. Finally, we provide analysis-ready data, models, and source code for reproducibility, and work to define a set of best practices and validation standards to facilitate future contributions to the field.
• Abstract（参考訳）: 完全に自動化された温室効果ガス配管検出システム(GHG)の運用展開は、近年のディープラーニングアプローチの進歩にもかかわらず、分光観測ミッションの明確な目標のままである。 しかし、データ可用性が劇的に増加するにつれ、自動化は自然および人為的排出の監視において重要性を増し続けている。 この研究は、データとラベルの品質管理、時空間バイアスの防止、そして正しく整列されたモデリング目的など、この分野におけるいくつかの重要な障害をレビューし対処する。 本研究では,CNN(畳み込みニューラルネットワーク)が障害を緩和する際の動作検出性能を実現するための,航空機および宇宙搭載機器のマルチキャンプデータを用いた厳密な実験を行った。 インスタンス検出と画素分割の両方を同時に学習するマルチタスクモデルが,操作経路へと導出可能であることを実証する。 我々は,エミッションソースタイプや地域間でのモデルのプルーム検出性を評価し,運用展開のしきい値を特定する。 最後に、再現性のための分析可能なデータ、モデル、ソースコードを提供し、この分野への将来の貢献を促進するためのベストプラクティスと検証標準のセットを定義する。

関連論文リスト

• Forward-Forward Learning achieves Highly Selective Latent Representations for Out-of-Distribution Detection in Fully Spiking Neural Networks [6.7236795813629]
  生物学的システムにインスパイアされたスパイキングニューラルネットワーク(SNN)は、限界を克服するための有望な道を提供する。 本研究では,これらの課題に対処するために,スパイクフォワードフォワードアルゴリズム(FFA)の可能性を検討する。 本稿では,クラス分布からサンプルを遠ざける特徴を検出するための,新しい非勾配属性法を提案する。
  論文  参考訳（メタデータ） (2024-07-19T08:08:17Z)
• A Self-Supervised Task for Fault Detection in Satellite Multivariate Time Series [45.31237646796715]
  この研究は、複雑な分布と高次元分布をモデル化する能力で有名な物理インフォームドリアルNVPニューラルネットワークを活用する新しいアプローチを提案する。 実験には、セルフスーパービジョンによる事前トレーニング、マルチタスク学習、スタンドアロンのセルフ教師付きトレーニングなど、さまざまな構成が含まれている。 結果は、すべての設定で大幅にパフォーマンスが向上したことを示している。
  論文  参考訳（メタデータ） (2024-07-03T07:19:41Z)
• An Attention-Based Deep Generative Model for Anomaly Detection in Industrial Control Systems [3.303448701376485]
  異常検出は、産業制御システムの安全かつ信頼性の高い運用に不可欠である。 本稿では,このニーズを満たすための新しい深層生成モデルを提案する。
  論文  参考訳（メタデータ） (2024-05-03T23:58:27Z)
• Diffusion Generative Flow Samplers: Improving learning signals through partial trajectory optimization [87.21285093582446]
  Diffusion Generative Flow Samplers (DGFS) はサンプルベースのフレームワークであり、学習プロセスを短い部分的軌道セグメントに分解することができる。 生成フローネットワーク(GFlowNets)のための理論から着想を得た。
  論文  参考訳（メタデータ） (2023-10-04T09:39:05Z)
• Cluster-level pseudo-labelling for source-free cross-domain facial expression recognition [94.56304526014875]
  表情認識のためのSFUDA法を提案する。 本手法は,自己教師付き事前学習を利用して,対象データから優れた特徴表現を学習する。 提案手法の有効性を4つの適応方式で検証し,FERに適用した場合,既存のSFUDA法より一貫して優れていることを示す。
  論文  参考訳（メタデータ） (2022-10-11T08:24:50Z)
• DAE : Discriminatory Auto-Encoder for multivariate time-series anomaly detection in air transportation [68.8204255655161]
  識別オートエンコーダ(DAE)と呼ばれる新しい異常検出モデルを提案する。 通常のLSTMベースのオートエンコーダのベースラインを使用するが、いくつかのデコーダがあり、それぞれ特定の飛行フェーズのデータを取得する。 その結果,DAEは精度と検出速度の両方で良好な結果が得られることがわかった。
  論文  参考訳（メタデータ） (2021-09-08T14:07:55Z)
• SUOD: Accelerating Large-Scale Unsupervised Heterogeneous Outlier Detection [63.253850875265115]
  外乱検出(OD)は、一般的なサンプルから異常物体を識別するための機械学習(ML)タスクである。 そこで我々は,SUODと呼ばれるモジュール型加速度システムを提案する。
  論文  参考訳（メタデータ） (2020-03-11T00:22:50Z)

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。