論文の概要: A Comprehensive Review of Agricultural Parcel and Boundary Delineation from Remote Sensing Images: Recent Progress and Future Perspectives

• arxiv url: http://arxiv.org/abs/2508.14558v1
• Date: Wed, 20 Aug 2025 09:24:42 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-08-21 16:52:41.410108
• Title: A Comprehensive Review of Agricultural Parcel and Boundary Delineation from Remote Sensing Images: Recent Progress and Future Perspectives
• Title（参考訳）: リモートセンシング画像からの農業区画と境界線に関する総括的考察:最近の進歩と今後の展望
• Authors: Juepeng Zheng, Zi Ye, Yibin Wen, Jianxi Huang, Zhiwei Zhang, Qingmei Li, Qiong Hu, Baodong Xu, Lingyuan Zhao, Haohuan Fu,
• Abstract要約: 本総説では,農業用パーセルの検知とデライン化のための農業用パーセル境界線法(APBD)について述べる。 本稿では,従来の画像処理手法(画素ベース,エッジベース,領域ベースを含む),従来の機械学習手法(ランダムフォレスト,決定木など),ディープラーニング方式の3つのクラスに分類する。 本稿では, APBD 関連応用の紹介と今後の APBD 研究の今後の展望と熱い話題について紹介する。
• 参考スコア（独自算出の注目度）: 7.516276650839454
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Powered by advances in multiple remote sensing sensors, the production of high spatial resolution images provides great potential to achieve cost-efficient and high-accuracy agricultural inventory and analysis in an automated way. Lots of studies that aim at providing an inventory of the level of each agricultural parcel have generated many methods for Agricultural Parcel and Boundary Delineation (APBD). This review covers APBD methods for detecting and delineating agricultural parcels and systematically reviews the past and present of APBD-related research applied to remote sensing images. With the goal to provide a clear knowledge map of existing APBD efforts, we conduct a comprehensive review of recent APBD papers to build a meta-data analysis, including the algorithm, the study site, the crop type, the sensor type, the evaluation method, etc. We categorize the methods into three classes: (1) traditional image processing methods (including pixel-based, edge-based and region-based); (2) traditional machine learning methods (such as random forest, decision tree); and (3) deep learning-based methods. With deep learning-oriented approaches contributing to a majority, we further discuss deep learning-based methods like semantic segmentation-based, object detection-based and Transformer-based methods. In addition, we discuss five APBD-related issues to further comprehend the APBD domain using remote sensing data, such as multi-sensor data in APBD task, comparisons between single-task learning and multi-task learning in the APBD domain, comparisons among different algorithms and different APBD tasks, etc. Finally, this review proposes some APBD-related applications and a few exciting prospects and potential hot topics in future APBD research. We hope this review help researchers who involved in APBD domain to keep track of its development and tendency.
• Abstract（参考訳）: 複数のリモートセンシングセンサーの進歩によって、高空間分解能画像の生成は、低コストで高精度な農業在庫と分析を自動で実現する大きな可能性を提供する。 各農業区画のレベルでの在庫提供を目的とした研究は、農業区画と境界線(APBD)の多くの方法を生み出している。 本総説では,農業用小包の検出・記述のためのAPBD法を概説し,リモートセンシング画像に適用されたAPBD関連研究の過去と現在を体系的にレビューする。 既存のAPBD活動の明確な知識マップを提供することを目的として,アルゴリズム,研究現場,作物の種類,センサタイプ,評価方法などを含むメタデータ分析を構築するため,最近のAPBD論文の総合的なレビューを行う。 本稿では,(1)従来の画像処理手法(画素ベース,エッジベース,領域ベースを含む),(2)従来の機械学習手法(ランダム林,決定木など),(3)ディープラーニング方式の3つのクラスに分類する。 ディープラーニング指向のアプローチが多数を占めることで、セグメンテーションベース、オブジェクト検出ベース、トランスフォーマーベースといったディープラーニングベースの手法をさらに議論する。 さらに、APBDタスクにおけるマルチセンサーデータ、APBDドメインにおけるシングルタスク学習とマルチタスク学習の比較、異なるアルゴリズムと異なるAPBDタスクにおける比較などのリモートセンシングデータを用いて、APBDドメインをさらに理解するための5つのAPBD関連問題について議論する。 最後に, APBD 関連応用の紹介と今後の APBD 研究の今後の展望と熱い話題について紹介する。 このレビューは、APBDドメインに関わる研究者が、その発展と傾向を追跡するのに役立つことを願っている。

関連論文リスト

• Make Literature-Based Discovery Great Again through Reproducible Pipelines [1.5602870473232306]
  本研究の主な新規性は、二元的LBD過程の過程を描写したJupyter Notebooksのコレクションである。 ベンチマークデータセットのオープンアクセス、コードの再利用、実行可能なDockerレシピを通じて、LBDのハンズオンエクスペリエンスの恩恵を受けることができる。
  論文  参考訳（メタデータ） (2025-02-23T05:38:04Z)
• A Comprehensive Survey on Underwater Image Enhancement Based on Deep Learning [51.7818820745221]
  水中画像強調(UIE)はコンピュータビジョン研究において重要な課題である。 多数のUIEアルゴリズムが開発されているにもかかわらず、網羅的で体系的なレビューはいまだに欠落している。
  論文  参考訳（メタデータ） (2024-05-30T04:46:40Z)
• A review of individual tree crown detection and delineation from optical remote sensing images [10.928933183437998]
  本総説では, 個々の樹冠を検出・デライン化するためのITCD法について述べる。 論文の大部分に深層学習指向のアプローチが寄与していることから, セマンティックセグメンテーションやオブジェクト検出手法として, 深層学習に基づく手法について論じる。 このレビューでは、ITCD関連のアプリケーションと、将来のITCD研究におけるエキサイティングな展望と潜在的なホットトピックについて紹介する。
  論文  参考訳（メタデータ） (2023-10-20T13:21:37Z)
• Perturbation-Based Two-Stage Multi-Domain Active Learning [31.073745612552926]
  本稿では、よく認識されたASP-MTLモデルに組み込んだ摂動型2段階多段階アクティブラーニング(P2S-MDAL)手法を提案する。 P2S-MDALは、ドメインの予算を割り当て、多様性の選択のための領域を確立する。 モデルの共有特徴抽出器のロバスト性を評価するために摂動距離が導入された。
  論文  参考訳（メタデータ） (2023-06-19T04:58:32Z)
• A Comprehensive Survey on Source-free Domain Adaptation [69.17622123344327]
  ソースフリードメイン適応(SFDA)の研究は近年注目を集めている。 SFDAの最近の進歩を包括的に調査し、それらを統一的な分類体系に整理する。 一般的な3つの分類基準で30以上のSFDA法を比較検討した。
  論文  参考訳（メタデータ） (2023-02-23T06:32:09Z)
• A Review of Landcover Classification with Very-High Resolution Remotely Sensed Optical Images-Analysis Unit,Model Scalability and Transferability [4.704131850850489]
  ランドカバー分類は、超高解像度(VHR)画像解析において最も難しい課題の1つである。 ディープラーニング(DL)に基づく土地被覆手法とトレーニング戦略の急速な増加が最先端であると主張されているため、既に断片化された土地被覆マッピング手法の技術的景観はさらに複雑である。
  論文  参考訳（メタデータ） (2022-02-07T16:38:40Z)
• Domain Generalization: A Survey [146.68420112164577]
  ドメイン一般化(DG)は、モデル学習にソースドメインデータを使用するだけでOOD一般化を実現することを目的としています。 初めて、DGの10年の開発をまとめるために包括的な文献レビューが提供されます。
  論文  参考訳（メタデータ） (2021-03-03T16:12:22Z)
• Multi-source Domain Adaptation in the Deep Learning Era: A Systematic Survey [53.656086832255944]
  マルチソースドメイン適応(MDA)は、ラベル付きデータを複数のソースから収集できる強力な拡張である。 MDAは学術と産業の両方で注目を集めている。
  論文  参考訳（メタデータ） (2020-02-26T08:07:58Z)

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。