論文の概要: GTPBD: A Fine-Grained Global Terraced Parcel and Boundary Dataset
- arxiv url: http://arxiv.org/abs/2507.14697v1
- Date: Sat, 19 Jul 2025 17:15:46 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-07-22 20:51:32.012376
- Title: GTPBD: A Fine-Grained Global Terraced Parcel and Boundary Dataset
- Title（参考訳）: GTPBD: 細粒のグローバルテラスパーセルと境界データセット
- Authors: Zhiwei Zhang, Zi Ye, Yibin Wen, Shuai Yuan, Haohuan Fu, Jianxi Huang, Juepeng Zheng,
- Abstract要約: GTPBDは、ピクセルレベルのバウンダリラベル、マスクラベル、パーセルラベルを含む3レベルラベルを持つ47,537の高解像度画像で構成されている。
中国と大陸横断性気候圏の7つの主要地域をカバーしている。
GTPBDは、リモートセンシング研究において重要なギャップを埋め、きめ細かい農業地形解析のための基盤となる。
- 参考スコア（独自算出の注目度）: 9.090063652348311
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Agricultural parcels serve as basic units for conducting agricultural practices and applications, which is vital for land ownership registration, food security assessment, soil erosion monitoring, etc. However, existing agriculture parcel extraction studies only focus on mid-resolution mapping or regular plain farmlands while lacking representation of complex terraced terrains due to the demands of precision agriculture.In this paper, we introduce a more fine-grained terraced parcel dataset named GTPBD (Global Terraced Parcel and Boundary Dataset), which is the first fine-grained dataset covering major worldwide terraced regions with more than 200,000 complex terraced parcels with manual annotation. GTPBD comprises 47,537 high-resolution images with three-level labels, including pixel-level boundary labels, mask labels, and parcel labels. It covers seven major geographic zones in China and transcontinental climatic regions around the world.Compared to the existing datasets, the GTPBD dataset brings considerable challenges due to the: (1) terrain diversity; (2) complex and irregular parcel objects; and (3) multiple domain styles. Our proposed GTPBD dataset is suitable for four different tasks, including semantic segmentation, edge detection, terraced parcel extraction, and unsupervised domain adaptation (UDA) tasks.Accordingly, we benchmark the GTPBD dataset on eight semantic segmentation methods, four edge extraction methods, three parcel extraction methods, and five UDA methods, along with a multi-dimensional evaluation framework integrating pixel-level and object-level metrics. GTPBD fills a critical gap in terraced remote sensing research, providing a basic infrastructure for fine-grained agricultural terrain analysis and cross-scenario knowledge transfer.
- Abstract（参考訳）: 農業パーセルは、土地所有権登録、食料安全保障評価、土壌浸食監視等に不可欠な、農業の慣行と応用を行うための基本的な単位として機能する。
しかし, 既存の農業区画抽出研究は, 精密農業の要求による複雑な地形の表現を欠きながら, 中高分解能マッピングや平原農地にのみ焦点をあてている。本論文では, GTPBD (Global Terraced Parcel and Boundary Dataset) と呼ばれるよりきめ細かな土地区画データセットについて紹介する。
GTPBDは、ピクセルレベルのバウンダリラベル、マスクラベル、パーセルラベルを含む3レベルラベルを持つ47,537の高解像度画像で構成されている。
GTPBDデータセットは,(1)地形の多様性,(2)複雑で不規則なパーセル・オブジェクト,(3)複数のドメイン・スタイルにより,大きな課題を生んでいる。
提案したGTPBDデータセットは, セマンティックセグメンテーション, エッジ検出, テラクテッドパーセル抽出, および教師なしドメイン適応(UDA)タスクを含む4つのタスクに適しており, 本データセットを8つのセマンティックセグメンテーション法, 4つのエッジ抽出法, 3つのパーセル抽出法, 5つのUDAメソッドに対して, 画素レベルとオブジェクトレベルのメトリクスを統合する多次元評価フレームワークとともにベンチマークを行った。
GTPBDは、遠隔地センシング研究において重要なギャップを埋め、細粒度農業地形分析とクロスシナリオ知識伝達のための基盤となる。
関連論文リスト
- AgriPotential: A Novel Multi-Spectral and Multi-Temporal Remote Sensing Dataset for Agricultural Potentials [2.231167375820084]
本稿では,数ヶ月にわたるSentinel-2衛星画像からなる新しいベンチマークデータセットであるAgriPotentialを紹介する。
このデータセットは、3種類の主要作物に対して、農業ポテンシャルのピクセルレベルのアノテーションを提供する。
データは南フランスの様々な地域をカバーし、豊富なスペクトル情報を提供している。
論文 参考訳（メタデータ） (2025-06-13T12:52:46Z) - Geolocation with Real Human Gameplay Data: A Large-Scale Dataset and Human-Like Reasoning Framework [59.42946541163632]
3つの重要なコンポーネントを持つ包括的位置決めフレームワークを導入する。
大規模データセットGeoComp、新しい推論手法GeoCoT、評価指標GeoEval。
また,GeoCoTは解釈可能性を高めつつ,位置情報の精度を最大25%向上させることを示した。
論文 参考訳（メタデータ） (2025-02-19T14:21:25Z) - EarthView: A Large Scale Remote Sensing Dataset for Self-Supervision [72.84868704100595]
本稿では,地球モニタリングタスクにおける深層学習アプリケーションを強化することを目的とした,リモートセンシングデータの自己監督を目的としたデータセットを提案する。
このデータセットは15テラピクセルのグローバルリモートセンシングデータにまたがっており、NEON、Sentinel、Satellogicによる1mの空間解像度データの新たなリリースなど、さまざまなソースの画像を組み合わせている。
このデータセットは、リモートセンシングデータの異なる課題に取り組むために開発されたMasked Autoencoderである。
論文 参考訳（メタデータ） (2025-01-14T13:42:22Z) - PEACE: Empowering Geologic Map Holistic Understanding with MLLMs [64.58959634712215]
地質図は地質学の基本的な図として、地球の地下と地表の構造と構成に関する重要な洞察を提供する。
その重要性にもかかわらず、現在のマルチモーダル大言語モデル(MLLM)は地質図の理解に乏しいことが多い。
このギャップを定量化するために、地質地図理解においてMLLMを評価するための最初のベンチマークであるGeoMap-Benchを構築した。
論文 参考訳（メタデータ） (2025-01-10T18:59:42Z) - Fields of The World: A Machine Learning Benchmark Dataset For Global Agricultural Field Boundary Segmentation [12.039406240082515]
Fields of The World (FTW)は、農業分野のインスタンスセグメンテーションのための新しいベンチマークデータセットである。
FTWは70,462個のサンプルを持つ以前のデータセットよりも桁違いに大きい。
FTWで訓練されたモデルは、留保国において、ゼロショットと微調整性能が向上していることを示す。
論文 参考訳（メタデータ） (2024-09-24T17:20:58Z) - AGBD: A Global-scale Biomass Dataset [18.976975819550173]
衛星画像から地上バイオマスを推定するための既存のデータセットは限られている。
このデータセットは、GEDIミッションからのAGB参照データとSentinel-2とPALSAR-2の画像のデータを組み合わせる。
これには、密集した天蓋の高さマップ、標高マップ、土地被覆分類マップなど、事前処理された高水準の特徴が含まれている。
単一の行のコードで簡単にアクセスでき、グローバルなAGB推定への取り組みの確固たる基盤を提供する。
論文 参考訳（メタデータ） (2024-06-07T13:34:17Z) - 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) - A Coarse-to-Fine Approach for Urban Land Use Mapping Based on
Multisource Geospatial Data [4.2968261363970095]
本稿では,パーセルレベルの都市土地利用マッピングのための機械学習に基づくアプローチを提案する。
まず、道路網から生成された区画に基づいて、都市をビルトアップと非ビルトアップに分割する。
次に,異なる地域におけるパーセルの分類戦略を採用し,最終的に分類結果を統合された土地利用地図に組み合わせた。
論文 参考訳（メタデータ） (2022-08-18T13:30:56Z) - A Sentinel-2 multi-year, multi-country benchmark dataset for crop
classification and segmentation with deep learning [0.716879432974126]
Sen4AgriNetは、Sentinel-2ベースの時系列マルチカントリーベンチマークデータセットである。
カタルーニャとフランスの2016-2020年期間をカバーするために建設され、追加の国を含めることができる。
4250万のパーセルを含んでいるため、他の利用可能なアーカイブよりもはるかに大きい。
論文 参考訳（メタデータ） (2022-04-02T23:14:46Z) - Jalisco's multiclass land cover analysis and classification using a
novel lightweight convnet with real-world multispectral and relief data [51.715517570634994]
本稿では、LC分類と解析を行うために、新しい軽量(89kパラメータのみ)畳み込みニューラルネットワーク(ConvNet)を提案する。
本研究では,実世界のオープンデータソースを3つ組み合わせて13のチャネルを得る。
組込み分析は、いくつかのクラスにおいて限られたパフォーマンスを期待し、最も類似したクラスをグループ化する機会を与えてくれます。
論文 参考訳（メタデータ） (2022-01-26T14:58:51Z) - Farmland Parcel Delineation Using Spatio-temporal Convolutional Networks [77.63950365605845]
ファームパーセル・デライン化は、気候変動政策の開発と管理において重要なカダストラルデータを提供する。
このデータは、極端な気象災害に伴う損害後の補償を評価するための農業保険セクターにも有用である。
衛星画像の利用は、農場の区画整理作業を行うためのスケーラブルで費用対効果の高い方法である。
論文 参考訳（メタデータ） (2020-04-11T19:49:09Z)
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。
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。