論文の概要: Towards Large Scale Geostatistical Methane Monitoring with Part-based Object Detection

• arxiv url: http://arxiv.org/abs/2507.18513v1
• Date: Thu, 24 Jul 2025 15:33:55 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-07-25 15:10:43.92302
• Title: Towards Large Scale Geostatistical Methane Monitoring with Part-based Object Detection
• Title（参考訳）: 部分的物体検出による大規模メタンモニタリングに向けて
• Authors: Adhemar de Senneville, Xavier Bou, Thibaud Ehret, Rafael Grompone, Jean Louis Bonne, Nicolas Dumelie, Thomas Lauvaux, Gabriele Facciolo,
• Abstract要約: 本稿では,フランスにおけるバイオダイアスターのメタン生成と排出について検討する。 そこで本研究では,初期検出を促進するために,本質的なバイオダイアグラムサブ要素を考慮したパートベース手法を開発した。
• 参考スコア（独自算出の注目度）: 7.325695792517355
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Object detection is one of the main applications of computer vision in remote sensing imagery. Despite its increasing availability, the sheer volume of remote sensing data poses a challenge when detecting rare objects across large geographic areas. Paradoxically, this common challenge is crucial to many applications, such as estimating environmental impact of certain human activities at scale. In this paper, we propose to address the problem by investigating the methane production and emissions of bio-digesters in France. We first introduce a novel dataset containing bio-digesters, with small training and validation sets, and a large test set with a high imbalance towards observations without objects since such sites are rare. We develop a part-based method that considers essential bio-digester sub-elements to boost initial detections. To this end, we apply our method to new, unseen regions to build an inventory of bio-digesters. We then compute geostatistical estimates of the quantity of methane produced that can be attributed to these infrastructures in a given area at a given time.
• Abstract（参考訳）: オブジェクト検出は、リモートセンシング画像におけるコンピュータビジョンの主な応用の1つである。 可利用性が高いにもかかわらず、リモートセンシングデータの膨大な量は、大きな地理的領域にわたって希少な物体を検出する際の課題となる。 パラドックス的には、この共通の課題は、大規模な人間の活動の環境影響を推定するなど、多くのアプリケーションにとって不可欠である。 本稿では,フランスにおけるバイオダイアスターのメタン生成と排出を調査し,この問題に対処することを提案する。 まず, バイオダイアスターを含む新しいデータセットについて, 小さなトレーニングと検証セットと, オブジェクトのない観察に対して高い不均衡の大きい大規模なテストセットを紹介した。 そこで本研究では,初期検出を促進するために,本質的なバイオダイアグラムサブ要素を考慮したパートベース手法を開発した。 この目的のために,本手法を新規で目に見えない領域に適用し,バイオダイアスターの在庫を構築する。 次に、所定の時間帯におけるこれらのインフラに起因するメタンの生成量の統計学的推定を計算する。

関連論文リスト

• Automated Detection of Antarctic Benthic Organisms in High-Resolution In Situ Imagery to Aid Biodiversity Monitoring [0.0]
  南極の底生生物を高分解能トレーカメラで検出するフレームワークについて述べる。 25種の微細な形態型にまたがる中・大型の生物の検出において,強い性能を示した。 我々のフレームワークは、未来の機械支援in situ benthic Biodiversity monitoring研究のためのスケーラブルな基盤を提供する。
  論文  参考訳（メタデータ） (2025-07-29T10:22:29Z)
• RareSpot: Spotting Small and Rare Wildlife in Aerial Imagery with Multi-Scale Consistency and Context-Aware Augmentation [6.756718879272925]
  RareSpotは、マルチスケールの一貫性学習とコンテキスト認識強化を統合した堅牢な検出フレームワークである。 提案手法は最先端性能を実現し,ベースライン法と比較して検出精度を35%以上向上させる。
  論文  参考訳（メタデータ） (2025-06-23T20:03:43Z)
• SatelliteCalculator: A Multi-Task Vision Foundation Model for Quantitative Remote Sensing Inversion [4.824120664293887]
  定量的リモートセンシングインバージョンのための第1ビジョン基盤モデルであるサテライト計算機を紹介する。 物理的に定義されたインデックスアダプタを利用することで、100万以上のペアのサンプルからなる大規模なデータセットを自動的に構築する。 実験により、サテライト計算機は全てのタスクの競争精度を向上し、推論コストを大幅に削減することを示した。
  論文  参考訳（メタデータ） (2025-04-18T03:48:04Z)
• From Web Data to Real Fields: Low-Cost Unsupervised Domain Adaptation for Agricultural Robots [3.7619101673213664]
  本稿では,Unsupervised Domain Adaptation (UDA) を用いて,特定分野への適応を低コストで行うことを目的とする。 我々は、多様なインターネットソースデータのプールから、特定の場所でロボットが収集した小さなデータセットへの、新たなドメインシフトを探求する。 我々は,マルチレベル注意に基づく適応識別器(MAAD)という新しいモジュールを導入し,任意の検出モデルの特徴抽出器レベルで統合する。
  論文  参考訳（メタデータ） (2024-10-31T13:11:09Z)
• Bootstrapping Rare Object Detection in High-Resolution Satellite Imagery [2.242884292006914]
  本稿では,このようなまれなオブジェクト検出タスクをブートストラップする問題に対処する。 我々は、パッチをサンプリングするための新しいオフラインおよびオンラインクラスタベースのアプローチを提案する。 ケニア・タンザニアのセレンゲティ・マラ地域において,牧畜動物に対するボマ(あるいは小さな囲い)の同定方法を適用した。
  論文  参考訳（メタデータ） (2024-03-05T07:44:13Z)
• BonnBeetClouds3D: A Dataset Towards Point Cloud-based Organ-level Phenotyping of Sugar Beet Plants under Field Conditions [30.27773980916216]
  農業生産は今後数十年間、気候変動と持続可能性の必要性によって深刻な課題に直面している。 自律無人航空機(UAV)による作物のモニタリングと、ロボットによる非化学雑草によるフィールド管理の進歩は、これらの課題に対処するのに有用である。 表現型化と呼ばれる植物形質の分析は、植物の育種に不可欠な活動であるが、大量の手作業が伴う。
  論文  参考訳（メタデータ） (2023-12-22T14:06:44Z)
• Autonomous Detection of Methane Emissions in Multispectral Satellite Data Using Deep Learning [73.01013149014865]
  メタンは最も強力な温室効果ガスの1つである。 現在のメタン放出モニタリング技術は、近似的な放出要因や自己報告に依存している。 深層学習法は、Sentinel-2衛星マルチスペクトルデータにおけるメタン漏れの自動検出に利用することができる。
  論文  参考訳（メタデータ） (2023-08-21T19:36:50Z)
• IS-COUNT: Large-scale Object Counting from Satellite Images with Covariate-based Importance Sampling [90.97859312029615]
  本研究では,大規模地形におけるオブジェクト数統計をサンプリングによって推定する手法を提案する。 提案手法は,米国とアフリカ,ケニアの自動車,バングラデシュのレンガキルン,米国のスイミングプールの建物数の推定において,高い性能を発揮することを示す。
  論文  参考訳（メタデータ） (2021-12-16T18:59:29Z)
• Potato Crop Stress Identification in Aerial Images using Deep Learning-based Object Detection [60.83360138070649]
  本稿では, 深層ニューラルネットワークを用いたジャガイモの空中画像解析手法を提案する。 主な目的は、植物レベルでの健康作物とストレス作物の自動空間認識を実証することである。 実験により、フィールド画像中の健康植物とストレス植物を識別し、平均Dice係数0.74を達成できることを示した。
  論文  参考訳（メタデータ） (2021-06-14T21:57:40Z)
• Unsupervised Domain Adaption of Object Detectors: A Survey [87.08473838767235]
  近年のディープラーニングの進歩は、様々なコンピュータビジョンアプリケーションのための正確で効率的なモデルの開発につながっている。 高度に正確なモデルを学ぶには、大量の注釈付きイメージを持つデータセットの可用性に依存する。 このため、ラベルスカースデータセットに視覚的に異なる画像がある場合、モデルの性能は大幅に低下する。
  論文  参考訳（メタデータ） (2021-05-27T23:34:06Z)
• Batch Exploration with Examples for Scalable Robotic Reinforcement Learning [63.552788688544254]
  BEE(Batch Exploration with Examples)は、重要状態の画像の少ない数の人間がガイドする状態空間の関連領域を探索する。 BEEは、シミュレーションと本物のフランカロボットの両方で、視覚ベースの操作に挑戦することができる。
  論文  参考訳（メタデータ） (2020-10-22T17:49:25Z)
• Counting from Sky: A Large-scale Dataset for Remote Sensing Object Counting and A Benchmark Method [52.182698295053264]
  リモートセンシング画像から高密度物体をカウントすることに興味がある。自然界における物体のカウントと比較すると、このタスクは、大規模変動、複雑な乱れ背景、配向仲裁といった要因において困難である。 これらの課題に対処するために,我々はまず,4つの重要な地理的対象を含むリモートセンシング画像を用いた大規模オブジェクトカウントデータセットを構築した。 次に、入力画像の密度マップを生成する新しいニューラルネットワークを設計することで、データセットをベンチマークする。
  論文  参考訳（メタデータ） (2020-08-28T03:47:49Z)

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。