論文の概要: A Transfer Learning-Based Method for Water Body Segmentation in Remote Sensing Imagery: A Case Study of the Zhada Tulin Area
- arxiv url: http://arxiv.org/abs/2507.10084v2
- Date: Thu, 24 Jul 2025 15:37:18 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-07-25 15:10:42.114341
- Title: A Transfer Learning-Based Method for Water Body Segmentation in Remote Sensing Imagery: A Case Study of the Zhada Tulin Area
- Title（参考訳）: リモートセンシング画像における移動学習に基づく水域分割法:Zhada Tulin地域を事例として
- Authors: Haonan Chen, Xin Tong,
- Abstract要約: アジア・ウォータータワーとして知られるチベット高原は、気候変動に対する高い敏感さのため、水安全保障上の大きな課題に直面している。
本研究では、SegFormerモデルを用いた2段階のトランスファー学習戦略を提案し、気候に敏感なアプリケーションのための堅牢なAIを開発する上で、ドメインシフトとデータスカーク-キーバリアを克服する。
- 参考スコア（独自算出の注目度）: 17.87554359007837
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The Tibetan Plateau, known as the Asian Water Tower, faces significant water security challenges due to its high sensitivity to climate change. Advancing Earth observation for sustainable water monitoring is thus essential for building climate resilience in this region. This study proposes a two-stage transfer learning strategy using the SegFormer model to overcome domain shift and data scarcit--key barriers in developing robust AI for climate-sensitive applications. After pre-training on a diverse source domain, our model was fine-tuned for the arid Zhada Tulin area. Experimental results show a substantial performance boost: the Intersection over Union (IoU) for water body segmentation surged from 25.50% (direct transfer) to 64.84%. This AI-driven accuracy is crucial for disaster risk reduction, particularly in monitoring flash flood-prone systems. More importantly, the high-precision map reveals a highly concentrated spatial distribution of water, with over 80% of the water area confined to less than 20% of the river channel length. This quantitative finding provides crucial evidence for understanding hydrological processes and designing targeted water management and climate adaptation strategies. Our work thus demonstrates an effective technical solution for monitoring arid plateau regions and contributes to advancing AI-powered Earth observation for disaster preparedness in critical transboundary river headwaters.
- Abstract（参考訳）: アジア・ウォータータワーとして知られるチベット高原は、気候変動に対する高い敏感さのため、水安全保障上の大きな課題に直面している。
持続可能な水質モニタリングのための地球観測の促進は、この地域の気候の回復力を高めるために不可欠である。
本研究では、SegFormerモデルを用いた2段階のトランスファー学習戦略を提案し、気候に敏感なアプリケーションのための堅牢なAIを開発する上で、ドメインシフトとデータスカーク-キーバリアを克服する。
各種ソースドメインで事前トレーニングを行った後,乾燥したZhada Tulin領域のモデルに微調整を行った。
実験の結果、水体セグメンテーションのためのIoU(Intersection over Union)は25.50%から64.84%に急増した。
このAI駆動の精度は、特にフラッシュフラッシャーが発生しやすいシステムの監視において、災害リスクの低減に不可欠である。
さらに重要なことに、高精度マップでは、水の空間分布が高度に集中しており、水面積の80%以上が水路の長さの20%未満に制限されている。
この定量的発見は、水文学のプロセスを理解し、標的とする水管理と気候適応戦略を設計するための重要な証拠となる。
本研究は,乾燥した高原地域をモニタリングするための有効な技術ソリューションを実証し,重要な河川水源における災害に備えたAIによる地球観測の進展に寄与する。
関連論文リスト
- Adapting Vehicle Detectors for Aerial Imagery to Unseen Domains with Weak Supervision [46.87579355047397]
本稿では,高品質な空中画像とそのラベルを生成AIで合成する手法を提案する。
私たちの重要な貢献は、多段階のマルチモーダルな知識伝達フレームワークの開発です。
論文 参考訳（メタデータ） (2025-07-28T16:38:06Z) - Depth-Constrained ASV Navigation with Deep RL and Limited Sensing [45.77464360746532]
本研究では,深度制約下でのASVナビゲーションのための強化学習フレームワークを提案する。
環境意識を高めるため,GPレグレッションをRLフレームワークに統合する。
我々は,実世界の水環境に対して,訓練された政策が適切に一般化されることを保証する効果的なシミュレート・トゥ・リアル・トランスファーを実証する。
論文 参考訳（メタデータ） (2025-04-25T10:56:56Z) - Distinct hydrologic response patterns and trends worldwide revealed by physics-embedded learning [2.784303921367749]
本稿では, 物理埋め込み型ビッグデータ学習モデルについて, 特徴的水文応答パターン(「署名」)とそのシフトを確実に把握するためのブレークスルーとして紹介する。
長期の水収支を現実的に表現することで、このモデルは世界中の基本的な緑-青-水分配とベースフロー比において、20年間で最大20%の広範な変化を明らかにした。
論文 参考訳（メタデータ） (2025-04-14T20:58:52Z) - A Spatiotemporal Radar-Based Precipitation Model for Water Level Prediction and Flood Forecasting [0.9487148673655145]
2017年7月、ゴスラー市とゴッティンゲン市は、わずか20分という短い警戒時間で激しい洪水に見舞われた。
これは、より信頼性が高くタイムリーな洪水予報システムの必要性を強調している。
論文 参考訳（メタデータ） (2025-03-25T10:14:54Z) - Adversarially Domain-adaptive Latent Diffusion for Unsupervised Semantic Segmentation [7.099012213719071]
本研究では、ICCLD(Inter-Coder Connected Latent Diffusion)と呼ばれる潜在拡散モデルに基づくセマンティックセグメンテーション手法を提案する。
ICCLDは最先端のUDAメソッドより優れており、mIoUスコアは74.4(GTA5$rightarrow$Cityscapes)と67.2(Synthia$rightarrow$Cityscapes)である。
論文 参考訳（メタデータ） (2024-12-22T04:55:41Z) - Accurate Water Level Monitoring in AWD Rice Cultivation Using Convolutional Neural Networks [1.2058600649065618]
気候変動により農業セクターは困難に陥り、特に地球規模の水資源はますます不足している。
バングラデシュでは、特にボローライスは栽培中にかなりの水を入れる必要がある。
伝統的に、農家は水位を手動で測定する。
本稿では,コンピュータビジョン,特に畳み込みニューラルネットワークを用いて水位測定を自動化する新しい手法を提案する。
論文 参考訳（メタデータ） (2024-12-11T15:44:08Z) - DDF: A Novel Dual-Domain Image Fusion Strategy for Remote Sensing Image Semantic Segmentation with Unsupervised Domain Adaptation [6.223876661401282]
非教師なしドメイン適応(UDA)は、対象ドメインからの未分類情報を組み込む際に有利であることが証明されている。
本稿では,新しいデュアルドメイン画像融合戦略とともに,ハイブリッドトレーニング戦略を提案する。
提案手法の有効性は,ISPRS Vaihingen および Potsdam データセットを用いて行った広範囲なベンチマーク実験およびアブレーション研究によって実証された。
論文 参考訳（メタデータ） (2024-03-05T08:57:28Z) - DeepAqua: Self-Supervised Semantic Segmentation of Wetland Surface Water
Extent with SAR Images using Knowledge Distillation [44.99833362998488]
トレーニングフェーズ中に手動アノテーションを不要にする自己教師型ディープラーニングモデルであるDeepAquaを提案する。
我々は、光とレーダーをベースとしたウォーターマスクが一致する場合を利用して、水面と植物の両方を検知する。
実験の結果,DeepAquaの精度は7%向上し,Intersection Over Unionが27%,F1が14%向上した。
論文 参考訳（メタデータ） (2023-05-02T18:06:21Z) - SALUDA: Surface-based Automotive Lidar Unsupervised Domain Adaptation [62.889835139583965]
我々は、ソースデータとターゲットデータに基づいて、暗黙の基盤となる表面表現を同時に学習する教師なし補助タスクを導入する。
両方のドメインが同じ遅延表現を共有しているため、モデルは2つのデータソース間の不一致を許容せざるを得ない。
実験の結果,本手法は実-実-実-実-実-実-実-実-実-実-実-実-実-実-実-実-実-実-実-実-実-実-実-実-実-実-実-実-実-実-実-実-実-実-実-実-実-実-実-実-実-実-実-実-実-実-実-実-実-
論文 参考訳（メタデータ） (2023-04-06T17:36:23Z) - Self-training through Classifier Disagreement for Cross-Domain Opinion
Target Extraction [62.41511766918932]
オピニオンターゲット抽出(OTE)またはアスペクト抽出(AE)は意見マイニングの基本的な課題である。
最近の研究は、現実世界のシナリオでよく見られるクロスドメインのOTEに焦点を当てている。
そこで本稿では,ドメイン固有の教師と学生のネットワークから出力されるモデルが未学習のターゲットデータと一致しない対象サンプルを選択するためのSSLアプローチを提案する。
論文 参考訳（メタデータ） (2023-02-28T16:31:17Z) - An evaluation of deep learning models for predicting water depth
evolution in urban floods [59.31940764426359]
高空間分解能水深予測のための異なる深層学習モデルの比較を行った。
深層学習モデルはCADDIESセル-オートマタフラッドモデルによってシミュレーションされたデータを再現するために訓練される。
その結果,ディープラーニングモデルでは,他の手法に比べて誤差が低いことがわかった。
論文 参考訳（メタデータ） (2023-02-20T16:08:54Z) - MADAv2: Advanced Multi-Anchor Based Active Domain Adaptation
Segmentation [98.09845149258972]
セマンティックセグメンテーションタスクに関するドメイン適応を支援するために,アクティブなサンプル選択を導入する。
これらのサンプルを手動でアノテートする作業量が少ないため、ターゲット領域分布の歪みを効果的に緩和することができる。
長期分布問題を緩和するために、強力な半教師付きドメイン適応戦略を提案する。
論文 参考訳（メタデータ） (2023-01-18T07:55:22Z) - Multi-scale Digital Twin: Developing a fast and physics-informed
surrogate model for groundwater contamination with uncertain climate models [53.44486283038738]
気候変動は地下水汚染の長期的な土壌管理問題を悪化させる。
U-Net強化フーリエニューラル汚染(PDENO)を用いた物理インフォームド機械学習サロゲートモデルを開発した。
並行して、気候データと組み合わされた畳み込みオートエンコーダを開発し、アメリカ合衆国全体の気候領域の類似性の次元を減少させる。
論文 参考訳（メタデータ） (2022-11-20T06:46:35Z) - SALT: Sea lice Adaptive Lattice Tracking -- An Unsupervised Approach to
Generate an Improved Ocean Model [72.3183990520267]
シーライス分散と分布を効率的に推定するためのシーライス適応格子追跡手法を提案する。
具体的には、局所的な海洋特性に基づいて、オーシャンモデルの格子グラフにノードをマージすることで、適応的な空間メッシュを生成する。
提案手法は, 変動する気候下での海洋ライス寄生圧マップの予測モデルにより, 積極的養殖管理の促進を約束するものである。
論文 参考訳（メタデータ） (2021-06-24T17:29:42Z) - Water Level Estimation Using Sentinel-1 Synthetic Aperture Radar Imagery
And Digital Elevation Models [0.0]
Sentinel-1 Synthetic Aperture Radar ImageryとDigital Elevation Modelデータセットを用いた新しい水位抽出手法を提案する。
実験の結果、このアルゴリズムは世界中の3つの貯水池で0.93mの低い平均誤差を達成した。
論文 参考訳（メタデータ） (2020-12-11T18:42:15Z) - Physically-Constrained Transfer Learning through Shared Abundance Space
for Hyperspectral Image Classification [14.840925517957258]
本稿では、ソースとターゲットドメイン間のギャップを埋める新しい転送学習手法を提案する。
提案手法は,共有空間を経由した物理制約付き移動学習と呼ばれる。
論文 参考訳（メタデータ） (2020-08-19T17:41:37Z)
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。