論文の概要: The CHASM-SWPC Dataset for Coronal Hole Detection & Analysis

• arxiv url: http://arxiv.org/abs/2511.14044v1
• Date: Tue, 18 Nov 2025 01:51:13 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-11-19 16:23:52.875346
• Title: The CHASM-SWPC Dataset for Coronal Hole Detection & Analysis
• Title（参考訳）: コロナホール検出・解析のためのCHASM-SWPCデータセット
• Authors: Cutter Beck, Evan Smith, Khagendra Katuwal, Rudra Kafle, Jacob Whitehill,
• Abstract要約: コロナホール(CHs)は、オープン磁場線を持つ低活性で密度の低い太陽コロナ領域である。 SWPCマップをバイナリセグメンテーションマスクにデジタル化する半自動パイプラインを開発した。 結果として得られたマスクは、自動CH検出モデルのトレーニングとテストを行うCHASM-SWPCデータセットを構成する。
• 参考スコア（独自算出の注目度）: 2.0515802800471485
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Coronal holes (CHs) are low-activity, low-density solar coronal regions with open magnetic field lines (Cranmer 2009). In the extreme ultraviolet (EUV) spectrum, CHs appear as dark patches. Using daily hand-drawn maps from the Space Weather Prediction Center (SWPC), we developed a semi-automated pipeline to digitize the SWPC maps into binary segmentation masks. The resulting masks constitute the CHASM-SWPC dataset, a high-quality dataset to train and test automated CH detection models, which is released with this paper. We developed CHASM (Coronal Hole Annotation using Semi-automatic Methods), a software tool for semi-automatic annotation that enables users to rapidly and accurately annotate SWPC maps. The CHASM tool enabled us to annotate 1,111 CH masks, comprising the CHASM-SWPC-1111 dataset. We then trained multiple CHRONNOS (Coronal Hole RecOgnition Neural Network Over multi-Spectral-data) architecture (Jarolim et al. 2021) neural networks using the CHASM-SWPC dataset and compared their performance. Training the CHRONNOS neural network on these data achieved an accuracy of 0.9805, a True Skill Statistic (TSS) of 0.6807, and an intersection-over-union (IoU) of 0.5668, which is higher than the original pretrained CHRONNOS model Jarolim et al. (2021) achieved an accuracy of 0.9708, a TSS of 0.6749, and an IoU of 0.4805, when evaluated on the CHASM-SWPC-1111 test set.
• Abstract（参考訳）: コロナホール(CHs)は、オープン磁場線を持つ低活性で密度の低い太陽コロナ領域である(Cranmer 2009)。 極紫外線(EUV)スペクトルでは、CHは暗い斑点として現れる。 宇宙天気予報センター(SWPC)の日次手描き地図を用いて,SWPCマップを2次元分割マスクにデジタル化する半自動パイプラインを開発した。 CHASM-SWPCデータセット(CHASM-SWPC データセット)は,自動CH検出モデルのトレーニングとテストを行う高品質なデータセットである。 CHASM(Coronal Hole Annotation using Semi-automatic Methods)を開発した。 CHASMツールを使うことで、CHASM-SWPC-1111データセットを含む1,111個のCHマスクをアノテートすることが可能になった。 次に、CHASM-SWPCデータセットを用いて複数のCHRONNOS(Coronal Hole RecOgnition Neural Network Over multi-Spectral-data)アーキテクチャ(Jarolim et al 2021)をトレーニングし、それらの性能を比較した。 CHASM-SWPC-11テストセットで評価すると、CRONNOSニューラルネットワークのトレーニングは0.9805、True Skill Statistic (TSS)は0.6807、CRONNOSモデルのJarolim et al (2021)は0.9708、TSSは0.6749、IoUは0.4805の精度を達成した。

関連論文リスト

• RF-DETR: Neural Architecture Search for Real-Time Detection Transformers [42.015879164246805]
  RF-DETRは軽量な特殊検出変換器である。 我々のアプローチは、ターゲットデータセット上にトレーニング済みのベースネットワークを微調整する。 我々はNASの"tunable knobs"を再検討し、多様なターゲットドメインへのDETRの転送性を改善する。
  論文  参考訳（メタデータ） (2025-11-12T18:58:39Z)
• CCNeXt: An Effective Self-Supervised Stereo Depth Estimation Approach [44.23836177312291]
  深度推定のための自己教師型畳み込み手法を提案する。 提案したCCNeXtアーキテクチャは、エンコーダに新しいウィンドウ付きエピポーラ・クロスアテンションモジュールを備えた、最新のCNN特徴抽出器を採用している。 我々の実験は、CCNeXtが現在のベストモデルよりも10.18$times$の速度で競合指標を達成することを示した。
  論文  参考訳（メタデータ） (2025-09-26T17:51:28Z)
• Onboard Terrain Classification via Stacked Intelligent Metasurface-Diffractive Deep Neural Networks from SAR Level-0 Raw Data [18.05218019915147]
  本稿では,Sentinel-1 (S1) level-0 raw In-phase/Quadrature (IQ) data からリアルタイムな地形分類手法を提案する。 本手法は,次世代リモートセンシングタスクと軌道内処理ニーズのギャップを埋めることに役立ち,計算効率のよいリモートセンシングアプリケーションを実現する。
  論文  参考訳（メタデータ） (2025-03-10T09:25:44Z)
• PLEIADES: Building Temporal Kernels with Orthogonal Polynomials [6.2921559513184695]
  本稿では,基本関数から発生する時間的カーネルを含むPLEIA(Lynomial Expansion In Adaptive Distributed Event Systems)というニューラルネットワークのクラスを紹介する。 低レイテンシでオンライン分類と検出を行うために、これらのネットワークをイベントベースのデータで相互接続することに重点を置いている。
  論文  参考訳（メタデータ） (2024-05-20T17:06:24Z)
• Detecting Anomalous Network Communication Patterns Using Graph Convolutional Networks [32.336544074408806]
  GCNetOmalyはグラフ畳み込みネットワーク(GCN)ベースの変動オートエンコーダ(VAE)異常検出器である。 GCNetOmalyは、Carbon Blackがログした実際の大規模データに基づいて評価された。
  論文  参考訳（メタデータ） (2023-11-30T13:03:49Z)
• Estimating optical vegetation indices and biophysical variables for temperate forests with Sentinel-1 SAR data using machine learning techniques: A case study for Czechia [32.19783248549554]
  森林生態系をモニタリングするための現在の光学的植生指標(VIs)は,様々な用途でよく確立され,広く利用されている。 対照的に、合成開口レーダ(SAR)のデータは、雲や昼夜の画像取得による信号の侵入により、完全な時系列(TS)を備えた洞察に富んだ、体系的な森林モニタリングを提供することができる。 本研究では、SARデータを用いて、機械学習(ML)による森林の光VIs推定の代替として光学衛星データの限界に対処することを目的とする。 一般に、SARベースのVIを高精度に推定し、年間240回測定し、空間分解能を20mまで向上することができる。
  論文  参考訳（メタデータ） (2023-11-13T18:23:46Z)
• Efficient Bayesian Learning Curve Extrapolation using Prior-Data Fitted Networks [44.294078238444996]
  本稿では、この文脈におけるPFN(preded-data fit Neural Network)の最初の応用について述べる。 我々は,LC-PFNがMCMCよりも後方予測分布を正確に近似できることを実証した。 また,同じLC-PFNが,20万個の実学習曲線を外挿する競合性能を実現することを示す。
  論文  参考訳（メタデータ） (2023-10-31T13:30:30Z)
• Lightweight Compression of Intermediate Neural Network Features for Collaborative Intelligence [32.03465747357384]
  協調インテリジェンスアプリケーションでは、ディープニューラルネットワーク(DNN)の一部が携帯電話やエッジデバイスなどの軽量デバイスにデプロイされます。 本稿では,分割DNNの中間層によって出力される特徴を量子化し圧縮する,新しい軽量圧縮技術を提案する。
  論文  参考訳（メタデータ） (2021-05-15T00:10:12Z)
• Detection of Obstructive Sleep Apnoea Using Features Extracted from Segmented Time-Series ECG Signals Using a One Dimensional Convolutional Neural Network [0.19686770963118383]
  本研究は,単チャンネル心電図(ECG)信号から得られた閉塞性睡眠時無呼吸症(OSA)の自動検出を目的とした1次元畳み込みニューラルネットワーク(1DCNN)モデルを提案する。 このモデルは、畳み込み、最大プール層と、隠蔽層とSoftMax出力からなる完全に接続された多層パーセプトロン(MLP)を用いて構成されている。 これは、モデルが高い精度でApnoeaの存在を識別できることを示している。
  論文  参考訳（メタデータ） (2020-02-03T15:47:00Z)

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。