論文の概要: Detection of Bark Beetle Attacks using Hyperspectral PRISMA Data and Few-Shot Learning

• arxiv url: http://arxiv.org/abs/2511.11096v1
• Date: Fri, 14 Nov 2025 09:19:38 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-11-17 22:42:18.5176
• Title: Detection of Bark Beetle Attacks using Hyperspectral PRISMA Data and Few-Shot Learning
• Title（参考訳）: ハイパースペクトルPRISMAデータとFew-Shot Learningを用いたバークビートル攻撃の検出
• Authors: Mattia Ferrari, Giancarlo Papitto, Giorgio Deligios, Lorenzo Bruzzone,
• Abstract要約: 本稿では、衛星PRISMAハイパースペクトルデータを用いて、甲虫の寄生を検出するための数発の学習手法を提案する。 本手法は,従来のPRISMAスペクトルバンドとSentinel-2データよりも優れていた。
• 参考スコア（独自算出の注目度）: 11.242916987699182
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Bark beetle infestations represent a serious challenge for maintaining the health of coniferous forests. This paper proposes a few-shot learning approach leveraging contrastive learning to detect bark beetle infestations using satellite PRISMA hyperspectral data. The methodology is based on a contrastive learning framework to pre-train a one-dimensional CNN encoder, enabling the extraction of robust feature representations from hyperspectral data. These extracted features are subsequently utilized as input to support vector regression estimators, one for each class, trained on few labeled samples to estimate the proportions of healthy, attacked by bark beetle, and dead trees for each pixel. Experiments on the area of study in the Dolomites show that our method outperforms the use of original PRISMA spectral bands and of Sentinel-2 data. The results indicate that PRISMA hyperspectral data combined with few-shot learning offers significant advantages for forest health monitoring.
• Abstract（参考訳）: コウモリの寄生は針葉樹林の健康を維持する上で深刻な課題である。 本稿では, 衛星PRISMAハイパースペクトルデータを用いて, コントラスト学習を利用して, バークビークルの寄生を検知する数ショット学習手法を提案する。 この手法は,1次元CNNエンコーダを事前学習する対照的な学習フレームワークに基づいて,高スペクトルデータからロバストな特徴表現を抽出する。 抽出した特徴を入力として,各クラスに1つずつ,数個のラベル付きサンプルでトレーニングし,健康度,樹皮の攻撃,および各ピクセルの枯木を推定した。 本手法は,従来のPRISMAスペクトルバンドとSentinel-2データよりも優れていた。 その結果,PRISMAハイパースペクトルデータと数ショット学習が組み合わさって,森林の健康モニタリングに有益であることが示唆された。

関連論文リスト

• Detection of Endangered Deer Species Using UAV Imagery: A Comparative Study Between Efficient Deep Learning Approaches [1.130790932059036]
  本研究では,UAV画像における湿地シカ検出のための最先端ニューラルネットワークの性能を比較した。 我々は、データセットに正確なセグメンテーションマスクを追加し、セグメンテーションヘッドを含むYOLOモデルのきめ細かいトレーニングを可能にした。
  論文  参考訳（メタデータ） (2025-05-30T18:45:42Z)
• Early Detection of Forest Calamities in Homogeneous Stands -- Deep Learning Applied to Bark-Beetle Outbreaks [0.0]
  本研究では,森林における異常検出のためのLong Short Term Memory (LSTM) Autoencoderに基づくディープラーニングアルゴリズムの可能性について検討した。 そこで本研究では,2018年から2024年末までの7年間にわたって,ドイツのテューリンゲンで純粋な発芽点をモニタリングした。 我々の最良のモデルでは、テストデータに対して87%の精度で検出を行い、非常に早い段階で全異常の61%を検出できた。
  論文  参考訳（メタデータ） (2025-03-17T07:28:15Z)
• Unlearnable Examples Detection via Iterative Filtering [84.59070204221366]
  ディープニューラルネットワークは、データ中毒攻撃に弱いことが証明されている。 混合データセットから有毒なサンプルを検出することは極めて有益であり、困難である。 UE識別のための反復フィルタリング手法を提案する。
  論文  参考訳（メタデータ） (2024-08-15T13:26:13Z)
• Performance Evaluation of Semi-supervised Learning Frameworks for Multi-Class Weed Detection [15.828967396019143]
  効率的な雑草防除は、収穫量を最適化し、農産物の品質を高める上で重要な役割を担っている。 MLとDLによって実現された精密雑草管理の最近の進歩は、持続可能な代替手段となる。 半教師あり学習法、特に半教師あり学習法は、コンピュータビジョンの幅広い領域において注目を集めている。
  論文  参考訳（メタデータ） (2024-03-06T00:59:51Z)
• Domain Adaptive Synapse Detection with Weak Point Annotations [63.97144211520869]
  弱点アノテーションを用いたドメイン適応型シナプス検出のためのフレームワークであるAdaSynを提案する。 I SBI 2023のWASPSYNチャレンジでは、我々の手法が第1位にランクインした。
  論文  参考訳（メタデータ） (2023-08-31T05:05:53Z)
• Semi-Supervised Object Detection for Sorghum Panicles in UAV Imagery [22.441677896192363]
  ソルガムパニックは 穀物の収量と 植物の発達に関連する重要な特徴です パニックに対する現在のディープラーニングに基づくオブジェクト検出手法は、大量のトレーニングデータを必要とする。 本稿では,半教師付き学習によるソルガムパニック検出のためのトレーニングデータの量を削減するためのアプローチを提案する。
  論文  参考訳（メタデータ） (2023-05-16T21:24:26Z)
• Linking data separation, visual separation, and classifier performance using pseudo-labeling by contrastive learning [125.99533416395765]
  最終分類器の性能は、潜在空間に存在するデータ分離と、射影に存在する視覚的分離に依存すると論じる。 本研究は,ヒト腸管寄生虫の5つの現実的課題の画像データセットを1%の教師付きサンプルで分類し,その結果を実証する。
  論文  参考訳（メタデータ） (2023-02-06T10:01:38Z)
• Deep Semi-supervised Metric Learning with Dual Alignment for Cervical Cancer Cell Detection [49.78612417406883]
  子宮頸癌細胞検出のための新しい半教師付き深度測定法を提案する。 私たちのモデルは、埋め込みメトリック空間を学習し、提案レベルとプロトタイプレベルの両方でセマンティック機能の二重アライメントを行います。 本研究は,240,860個の頸部細胞画像からなる半監督型頸部がん細胞検出のための大規模データセットを初めて構築した。
  論文  参考訳（メタデータ） (2021-04-07T17:11:27Z)
• Semi-Automatic Data Annotation guided by Feature Space Projection [117.9296191012968]
  本稿では,適切な特徴空間投影と半教師付きラベル推定に基づく半自動データアノテーション手法を提案する。 MNISTデータセットとヒト腸内寄生虫の胎児不純物の有無による画像を用いて本手法の有効性を検証した。 この結果から,人間と機械の相補的能力を組み合わせた視覚分析ツールの付加価値が,より効果的な機械学習に有効であることが示唆された。
  論文  参考訳（メタデータ） (2020-07-27T17:03:50Z)
• Deep Semi-supervised Knowledge Distillation for Overlapping Cervical Cell Instance Segmentation [54.49894381464853]
  本稿では, ラベル付きデータとラベルなしデータの両方を, 知識蒸留による精度向上に活用することを提案する。 摂動に敏感なサンプルマイニングを用いたマスク誘導型平均教師フレームワークを提案する。 実験の結果,ラベル付きデータのみから学習した教師付き手法と比較して,提案手法は性能を著しく向上することがわかった。
  論文  参考訳（メタデータ） (2020-07-21T13:27:09Z)

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。