論文の概要: Robust Small Methane Plume Segmentation in Satellite Imagery

• arxiv url: http://arxiv.org/abs/2508.16282v1
• Date: Fri, 22 Aug 2025 10:41:50 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-08-25 16:42:36.357871
• Title: Robust Small Methane Plume Segmentation in Satellite Imagery
• Title（参考訳）: 衛星画像におけるロバストな小さなメタンプラムの分離
• Authors: Khai Duc Minh Tran, Hoa Van Nguyen, Aimuni Binti Muhammad Rawi, Hareeshrao Athinarayanarao, Ba-Ngu Vo,
• Abstract要約: 本稿では, センチネル2画像を用いた温室効果ガスであるメタンプラムの検出に挑戦する。 本稿では,ResNet34エンコーダを用いたU-Netに基づく新しい深層学習ソリューションを提案する。 実験により, 本手法は, 精度, 精度において, 78.39%のF1スコアを達成した。
• 参考スコア（独自算出の注目度）: 1.1200323437006519
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: This paper tackles the challenging problem of detecting methane plumes, a potent greenhouse gas, using Sentinel-2 imagery. This contributes to the mitigation of rapid climate change. We propose a novel deep learning solution based on U-Net with a ResNet34 encoder, integrating dual spectral enhancement techniques (Varon ratio and Sanchez regression) to optimise input features for heightened sensitivity. A key achievement is the ability to detect small plumes down to 400 m2 (i.e., for a single pixel at 20 m resolution), surpassing traditional methods limited to larger plumes. Experiments show our approach achieves a 78.39% F1-score on the validation set, demonstrating superior performance in sensitivity and precision over existing remote sensing techniques for automated methane monitoring, especially for small plumes.
• Abstract（参考訳）: 本稿では, センチネル2画像を用いた温室効果ガスであるメタンプラムの検出に挑戦する。 これは急激な気候変動の緩和に寄与する。 本稿では,ResNet34エンコーダを用いたU-Netに基づく新しい深層学習手法を提案する。 重要な成果は、400 m2(すなわち20 mの解像度で1ピクセル)までの小さなプラムを検出する能力であり、より大型のプラムに限られる伝統的な方法を上回っている。 実験により, 従来のリモートセンシング技術よりも感度, 精度が優れており, メタン自動監視, 特に小型の梅では, 78.39%のF1スコアが得られた。

関連論文リスト

• Optimizing Methane Detection On Board Satellites: Speed, Accuracy, and Low-Power Solutions for Resource-Constrained Hardware [0.0]
  メタンは温室効果ガスであり、ハイパースペクトル衛星画像によって早期に漏れを検出することで、気候変動を緩和することができる。 従来のメタン濃縮法は、リソース限定のオンボードハードウェアには計算的に要求されすぎている。 この研究は、効率的で低消費電力のアルゴリズムに焦点を当てたメタン検出を加速する。
  論文  参考訳（メタデータ） (2025-07-02T08:34:34Z)
• SNAT-YOLO: Efficient Cross-Layer Aggregation Network for Edge-Oriented Gangue Detection [1.7948767405202701]
  本モデルでは,石炭ガン検出作業において99.10%の精度で検出を行う。 モデルサイズを38%減らし、パラメータ数を41%減らし、計算コストを40%減らし、画像毎の平均検出時間を1ミリ秒減らした。
  論文  参考訳（メタデータ） (2025-02-09T18:39:35Z)
• Machine Learning for Methane Detection and Quantification from Space -- A survey [49.7996292123687]
  メタン (CH_4) は強力な温室効果ガスであり、20年間で二酸化炭素 (CO_2) の86倍の温暖化に寄与する。 この研究は、ショートウェーブ赤外線(SWIR)帯域におけるメタン点源検出センサの既存の情報を拡張する。 従来の機械学習(ML)アプローチと同様に、最先端の技術をレビューする。
  論文  参考訳（メタデータ） (2024-08-27T15:03:20Z)
• Global Context Aggregation Network for Lightweight Saliency Detection of Surface Defects [70.48554424894728]
  我々は,エンコーダ・デコーダ構造上の表面欠陥を簡易に検出するためのGCANet(Global Context Aggregation Network)を開発した。 まず、軽量バックボーンの上部層に新しいトランスフォーマーエンコーダを導入し、DSA(Depth-wise Self-Attention)モジュールを通じてグローバルなコンテキスト情報をキャプチャする。 3つの公開欠陥データセットの実験結果から,提案したネットワークは,他の17の最先端手法と比較して,精度と実行効率のトレードオフを良好に達成できることが示された。
  論文  参考訳（メタデータ） (2023-09-22T06:19:11Z)
• 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)
• MethaneMapper: Spectral Absorption aware Hyperspectral Transformer for Methane Detection [13.247385727508155]
  メタンは地球規模の気候変動に大きく貢献している。 本稿では, 放射を検出・定量化するために, 端から端までのスペクトル吸収波長を考慮したトランスネットワークMethaneMapperを提案する。 MethaneMapperは検出時に0.63mAPを達成し、現在の技術と比べてモデルサイズ(5倍)を縮小する。
  論文  参考訳（メタデータ） (2023-04-05T22:15:18Z)
• Ultra-low Power Deep Learning-based Monocular Relative Localization Onboard Nano-quadrotors [64.68349896377629]
  この研究は、2つのピアナノドロンのディープニューラルネットワーク(DNN)を介して、単分子の相対的な局所化に対処する、新しい自律的なエンドツーエンドシステムを示す。 超制約ナノドローンプラットフォームに対処するため,データセットの増大,量子化,システム最適化などを含む垂直統合フレームワークを提案する。 実験の結果,DNNは低分解能モノクローム画像のみを用いて最大2mの距離で10cmのターゲットナノドローンを正確に局在させることができることがわかった。
  論文  参考訳（メタデータ） (2023-03-03T14:14:08Z)
• Detecting Methane Plumes using PRISMA: Deep Learning Model and Data Augmentation [67.32835203947133]
  PRISMAのような新世代の超スペクトル画像装置は、高空間分解能(30m)で宇宙からメタン(CH4)プラムの検出能力を著しく改善した。 ここでは、PRISMA衛星ミッションの画像を用いてCH4プラムを識別するための完全なフレームワークと、広範囲のプラムを検出可能なディープラーニングモデルを提案する。
  論文  参考訳（メタデータ） (2022-11-17T17:36:05Z)
• Efficient Decoder-free Object Detection with Transformers [75.00499377197475]
  視覚変換器(ViT)は、物体検出アプローチのランドスケープを変化させている。 本稿では,デコーダフリー完全トランス(DFFT)オブジェクト検出器を提案する。 DFFT_SMALLは、トレーニングおよび推論段階で高い効率を達成する。
  論文  参考訳（メタデータ） (2022-06-14T13:22:19Z)

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。