論文の概要: A Method for Identifying Farmland System Habitat Types Based on the Dynamic-Weighted Feature Fusion Network Model

• arxiv url: http://arxiv.org/abs/2511.11659v1
• Date: Tue, 11 Nov 2025 02:44:38 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-11-18 14:36:22.805945
• Title: A Method for Identifying Farmland System Habitat Types Based on the Dynamic-Weighted Feature Fusion Network Model
• Title（参考訳）: 動的重み付き特徴融合ネットワークモデルに基づく農地システムの生息タイプ同定法
• Authors: Kesong Zheng, Zhi Song, Peizhou Li, Shuyi Yao, Zhenxing Bian,
• Abstract要約: 本研究では,15種類の耕作地系生息地を含む高分解能リモートセンシング画像データセットを開発した。 基礎的特徴を抽出する動的重み付き特徴融合ネットワーク(DWFF-Net)を提案する。 提案モデルでは,0.6979とF1スコア(0.8049)の平均インターセクション(mIoU)が,それぞれ0.021と0.0161のベースラインネットワークを上回っている。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Addressing the current lack of a standardized habitat classification system for cultivated land ecosystems, incomplete coverage of habitat types, and the inability of existing models to effectively integrate semantic and texture features-resulting in insufficient segmentation accuracy and blurred boundaries for multi-scale habitats (e.g., large-scale field plots and micro-habitats)-this study developed a comprehensively annotated ultra-high-resolution remote sensing image dataset encompassing 15 categories of cultivated land system habitats. Furthermore, we propose a Dynamic-Weighted Feature Fusion Network (DWFF-Net). The encoder of this model utilizes a frozen-parameter DINOv3 to extract foundational features. By analyzing the relationships between different category images and feature maps, we introduce a data-level adaptive dynamic weighting strategy for feature fusion. The decoder incorporates a dynamic weight computation network to achieve thorough integration of multi-layer features, and a hybrid loss function is adopted to optimize model training. Experimental results on the constructed dataset demonstrate that the proposed model achieves a mean Intersection over Union (mIoU) of 0.6979 and an F1-score of 0.8049, outperforming the baseline network by 0.021 and 0.0161, respectively. Ablation studies further confirm the complementary nature of multi-layer feature fusion, which effectively improves the IoU for micro-habitat categories such as field ridges. This study establishes a habitat identification framework for cultivated land systems based on adaptive multi-layer feature fusion, enabling sub-meter precision habitat mapping at a low cost and providing robust technical support for fine-grained habitat monitoring in cultivated landscapes.
• Abstract（参考訳）: 現在、耕地生態系の標準化された生息地分類システムがないこと、生息地の種類が不完全であること、既存のモデルが意味的・テクスチャ的特徴を効果的に統合できないこと、そしてマルチスケールの生息地(例えば、大規模フィールドプロットや微小生息地)のセグメンテーション精度が不十分であること、および曖昧な境界を曖昧にすること、といった課題に対処するため、本研究では、15種類の耕地システム生息地を含む包括的注釈付き超高解像度リモートセンシング画像データセットを開発した。 さらに,DWFFネットワーク(Dynamic-Weighted Feature Fusion Network)を提案する。 このモデルのエンコーダは、凍結パラメータDINOv3を使用して基礎的特徴を抽出する。 異なるカテゴリ画像と特徴マップの関係を解析することにより、特徴融合のためのデータレベルの適応的動的重み付け戦略を導入する。 このデコーダには動的重み計算ネットワークが組み込まれ、多層機能の完全統合を実現し、モデルトレーニングの最適化にハイブリッド損失関数が採用されている。 構築したデータセットに対する実験結果から,提案モデルでは,0.6979,F1スコアが0.8049で,ベースラインネットワークが0.021,0.0161を上回った。 アブレーション研究は多層核融合の相補的性質をさらに確認し、フィールドリッジのような微小生物カテゴリーのIoUを効果的に改善する。 本研究では,適応型多層構造融合に基づく耕作地システムのための生息地識別フレームワークを構築し,低コストでサブメーター精度の高い生息地マッピングを実現するとともに,耕作地における細粒度生息地モニタリングのための堅牢な技術支援を提供する。

関連論文リスト

• Adapting SAM with Dynamic Similarity Graphs for Few-Shot Parameter-Efficient Small Dense Object Detection: A Case Study of Chickpea Pods in Field Conditions [7.500556611536649]
  本研究では,Segment Anything Model (SAM) に適応する動的類似性に基づくグラフ適応(DSGA)モジュールを提案する。 DSGAは4.00Mのトレーニング可能なパラメータしか持たない堅牢な空間的および動的類似性表現を確立しており、これはオリジナルのSAMの4.26%である。 提案手法は農業用自動監視装置の実用性を示し, 精度の高いポッド計数が可能であり, 調整したR-squaredは0.8987である。
  論文  参考訳（メタデータ） (2025-09-30T05:26:06Z)
• GCRPNet: Graph-Enhanced Contextual and Regional Perception Network for Salient Object Detection in Optical Remote Sensing Images [68.33481681452675]
  本稿では,GCRPNet(Graph-enhanced contextual and Regional Recognition Network)を提案する。 これはMambaアーキテクチャの上に構築され、長距離依存関係を同時にキャプチャし、地域的特徴表現を強化する。 マルチスケールの畳み込みによって処理される特徴マップに対して適応的なパッチスキャンを行い、リッチなローカル領域情報をキャプチャする。
  論文  参考訳（メタデータ） (2025-08-14T11:31:43Z)
• Continental-scale habitat distribution modelling with multimodal earth observation foundation models [0.0]
  ハビタットは、生物多様性を支援し、人々の自然への貢献を維持する、無生物的な条件、植生の構成、構造を統合する。 現在の生息地マップは、しばしばテーマや空間分解能において不足している。 我々は,高分解能リモートセンシング(RS)データと人工知能(AI)ツールが生息地マッピングをどのように改善するかを評価した。
  論文  参考訳（メタデータ） (2025-07-13T18:11:26Z)
• High-Fidelity Scientific Simulation Surrogates via Adaptive Implicit Neural Representations [51.90920900332569]
  入射神経表現(INR)は空間的に構造化されたデータをモデリングするためのコンパクトで連続的なフレームワークを提供する。 近年のアプローチでは、剛性幾何学的構造に沿った付加的な特徴を導入することでこの問題に対処している。 機能適応型INR(FA-INR)を提案する。
  論文  参考訳（メタデータ） (2025-06-07T16:45:17Z)
• HyMamba: Mamba with Hybrid Geometry-Feature Coupling for Efficient Point Cloud Classification [7.139631485661567]
  Geometry-Feature Coupled Pooling (GFCP)は局所的な特徴に隣接する幾何学的情報を動的に集約する。 提案したモデルは,特にModelNet40データセットにおいて,精度が95.99%に向上し,0.03Mの追加パラメータが得られた。さらに,ModelNetShotデータセットでは98.9%の精度を実現し,スパースサンプル下での堅牢な一般化能力を検証している。
  論文  参考訳（メタデータ） (2025-05-16T10:30:20Z)
• An Enhanced Classification Method Based on Adaptive Multi-Scale Fusion for Long-tailed Multispectral Point Clouds [67.96583737413296]
  長距離分布を持つMPCに対する適応的マルチスケール融合に基づく拡張型分類法を提案する。 トレーニングセット生成段階では、スパースラベル付きデータセットからトレーニングサンプルを確実に生成するグリッドバランスサンプリング戦略が設計されている。 特徴学習の段階では,異なるスケールの土地被覆の浅い特徴を融合させるため,マルチスケールの特徴融合モジュールが提案されている。
  論文  参考訳（メタデータ） (2024-12-16T03:21:20Z)
• T-GMSI: A transformer-based generative model for spatial interpolation under sparse measurements [1.0931557410591526]
  空間補間のためのトランスフォーマーベース生成モデル (T-GMSI) を提案する。 T-GMSIは、従来の畳み込みベースの手法をViTに置き換えて特徴抽出とDEMを行い、特徴認識損失関数を組み込んで精度を高める。 T-GMSIは、70%以上の幅を持つデータセットから高品質な標高面を生成するのに優れ、微調整なしで様々な風景を横断する強い伝達性を示す。
  論文  参考訳（メタデータ） (2024-12-13T06:01:39Z)
• Enhancing Ecological Monitoring with Multi-Objective Optimization: A Novel Dataset and Methodology for Segmentation Algorithms [17.802456388479616]
  オーストラリア, ニューサウスウェールズ州ベガバレーで, 外来種および外来種を捉えた6,096個の高分解能空中画像のユニークなセマンティックセマンティックセマンティクスデータセットを導入した。 このデータセットは、草種の重複と分布のため、困難な課題を示す。 データセットとコードは公開され、コンピュータビジョン、機械学習、生態学の研究を促進することを目的としている。
  論文  参考訳（メタデータ） (2024-07-25T18:27:27Z)
• Deep Variational Models for Collaborative Filtering-based Recommender Systems [63.995130144110156]
  ディープラーニングは、リコメンダシステムの結果を改善するために、正確な協調フィルタリングモデルを提供する。 提案するモデルは, 深層建築の潜伏空間において, 変分概念を注入性に適用する。 提案手法は, 入射雑音効果を超える変動エンリッチメントのシナリオにおいて, 提案手法の優位性を示す。
  論文  参考訳（メタデータ） (2021-07-27T08:59:39Z)

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。