論文の概要: Integrating Traditional and Deep Learning Methods to Detect Tree Crowns in Satellite Images

• arxiv url: http://arxiv.org/abs/2507.01502v1
• Date: Wed, 02 Jul 2025 09:05:28 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-07-03 14:23:00.121289
• Title: Integrating Traditional and Deep Learning Methods to Detect Tree Crowns in Satellite Images
• Title（参考訳）: 衛星画像における木冠検出のための伝統的・深層学習手法の統合
• Authors: Ozan Durgut, Beril Kallfelz-Sirmacek, Cem Unsalan,
• Abstract要約: 本研究では,従来の学習法と深層学習法に基づく2種類の樹冠検出手法を提案する。 木冠検出結果の堅牢性と精度を高めるために,これら2つの手法を統合した新しいルールベースアプローチを構築した。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Global warming, loss of biodiversity, and air pollution are among the most significant problems facing Earth. One of the primary challenges in addressing these issues is the lack of monitoring forests to protect them. To tackle this problem, it is important to leverage remote sensing and computer vision methods to automate monitoring applications. Hence, automatic tree crown detection algorithms emerged based on traditional and deep learning methods. In this study, we first introduce two different tree crown detection methods based on these approaches. Then, we form a novel rule-based approach that integrates these two methods to enhance robustness and accuracy of tree crown detection results. While traditional methods are employed for feature extraction and segmentation of forested areas, deep learning methods are used to detect tree crowns in our method. With the proposed rule-based approach, we post-process these results, aiming to increase the number of detected tree crowns through neighboring trees and localized operations. We compare the obtained results with the proposed method in terms of the number of detected tree crowns and report the advantages, disadvantages, and areas for improvement of the obtained outcomes.
• Abstract（参考訳）: 地球温暖化、生物多様性の喪失、大気汚染は、地球が直面している最も重要な問題の一つである。 これらの問題に対処する上で大きな課題の1つは、森林を保護できないことである。 この問題に対処するためには、リモートセンシングとコンピュータビジョンの手法を活用して監視アプリケーションを自動化することが重要である。 そのため、伝統的な学習法とディープラーニング法に基づいて、自動樹冠検出アルゴリズムが出現した。 本研究ではまず,これらの手法に基づく2種類の樹冠検出手法を提案する。 そこで我々は,木冠検出結果の堅牢性と精度を高めるために,これら2つの手法を統合した新しいルールベースアプローチを構築した。 森林地帯の特徴抽出とセグメンテーションには従来の手法が用いられているが,本手法では樹木の樹冠検出に深層学習法が用いられている。 提案したルールベース手法により, 検出された樹冠の数を増やし, 局所的な操作を行うことを目的として, これらの結果を後処理する。 検出された樹冠の数の観点から,得られた結果と提案手法を比較し,その利点,欠点,および得られた結果を改善するための領域を報告する。

関連論文リスト

• Dual-Task Learning for Dead Tree Detection and Segmentation with Hybrid Self-Attention U-Nets in Aerial Imagery [1.693687279684153]
  本研究では,深層学習に基づく木分割を改良するハイブリッド後処理フレームワークを提案する。 ボレアル林の高解像度空中画像に基づいて、このフレームワークはインスタンスレベルのセグメンテーション精度を41.5%向上させた。 フレームワークの計算効率は、壁と壁の間の木死のマッピングのようなスケーラブルなアプリケーションをサポートする。
  論文  参考訳（メタデータ） (2025-03-27T12:25:20Z)
• Theoretical and Empirical Advances in Forest Pruning [0.0]
  回帰林の精度と回帰樹の解釈可能性という両世界の最善を尽くすアプローチである森林伐採を再考する。 我々は、弱い仮定の下で、未伐採林に対するラッソ伐採林の利点を証明した。 我々は19の異なるデータセット上の未伐採林に対する伐採林の精度を検証した。
  論文  参考訳（メタデータ） (2024-01-10T20:02:47Z)
• RJHMC-Tree for Exploration of the Bayesian Decision Tree Posterior [1.3351610617039973]
  本論文はベイジアンアプローチを用いてデータから決定木を学習することを目的としている。 ハミルトンモンテカルロ (HMC) アプローチを用いてベイズ決定木の後方をより効率的に探索する。
  論文  参考訳（メタデータ） (2023-12-04T02:23:32Z)
• Towards Generalizable Deepfake Detection by Primary Region Regularization [52.41801719896089]
  本稿では,新しい正規化の観点から一般化能力を高める。 本手法は, 一次領域マップの静的な位置決めと, 一次領域マスクの動的利用の2段階からなる。 5つのバックボーンを持つDFDC,DF-1.0,Celeb-DFの3種類のディープフェイクデータセットについて広範な実験を行った。
  論文  参考訳（メタデータ） (2023-07-24T05:43:34Z)
• Crown-CAM: Interpretable Visual Explanations for Tree Crown Detection in Aerial Images [7.682800716763564]
  樹冠検出のための解釈可能なクラスアクティベーションマッピング(Crown-CAM)を提案する。 従来の手法の非正確な局所化と計算複雑性を克服する。 空中画像における樹冠検出の困難かつ動的問題に対する信頼性の高い視覚的説明を生成する。
  論文  参考訳（メタデータ） (2022-11-23T17:01:33Z)
• Neuroevolution-based Classifiers for Deforestation Detection in Tropical Forests [62.997667081978825]
  森林破壊や荒廃により、毎年何百万ヘクタールもの熱帯林が失われる。 監視・森林破壊検知プログラムは、犯罪者の予防・処罰のための公共政策に加えて、使用されている。 本稿では,熱帯林の森林破壊検出作業におけるニューロ進化技術(NEAT)に基づくパターン分類器の利用を提案する。
  論文  参考訳（メタデータ） (2022-08-23T16:04:12Z)
• Classification of Bark Beetle-Induced Forest Tree Mortality using Deep Learning [7.032774322952993]
  本研究では,深層学習に基づく学習手法を提案し,樹皮攻撃の異なる段階を木レベルで効果的に分類する。 提案手法は、無人航空機(UAV)が捉えた画像の異なる攻撃ステージを分類するために、RetinaNetアーキテクチャを用いて浅いサブネットワークを訓練する。 実験により, 平均精度98.95%を達成し, ベースライン法を約10%上回り, 提案手法の有効性を実証した。
  論文  参考訳（メタデータ） (2022-07-15T00:16:25Z)
• Large-Scale Sequential Learning for Recommender and Engineering Systems [91.3755431537592]
  本稿では,現在の状況に適応してパーソナライズされたランキングを提供する自動アルゴリズムの設計に焦点を当てる。 前者はSAROSと呼ばれる新しいアルゴリズムを提案し,インタラクションの順序を学習するためのフィードバックの種類を考慮に入れている。 提案手法は, 電力網の故障検出に対する初期アプローチと比較して, 統計的に有意な結果を示す。
  論文  参考訳（メタデータ） (2022-05-13T21:09:41Z)
• 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)
• MurTree: Optimal Classification Trees via Dynamic Programming and Search [61.817059565926336]
  動的プログラミングと探索に基づいて最適な分類木を学習するための新しいアルゴリズムを提案する。 当社のアプローチでは,最先端技術が必要とする時間のごく一部しか使用せず,数万のインスタンスでデータセットを処理することが可能です。
  論文  参考訳（メタデータ） (2020-07-24T17:06:55Z)

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。