論文の概要: A curated UK rain radar data set for training and benchmarking nowcasting models

• arxiv url: http://arxiv.org/abs/2512.17924v1
• Date: Mon, 08 Dec 2025 16:11:40 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-12-29 00:37:57.058215
• Title: A curated UK rain radar data set for training and benchmarking nowcasting models
• Title（参考訳）: トレーニングとベンチマークのための英国の雨レーダデータセット
• Authors: Viv Atureta, Rifki Priansyah Jasin, Stefan Siegert,
• Abstract要約: 本稿では,イギリスの雨天レーダー画像系列のデータセットを,統計的モデリングと機械学習手法を用いて解析する。 主データセットは、直径40×40の2次元レーダー強度場の長さ20ステップ(15分インクリメント)のランダムにサンプリングされた1000のシーケンスを含む。 日時、位置、平均標高、平均風向、速度などの追加の大気・地理的特徴が利用可能である。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: This paper documents a data set of UK rain radar image sequences for use in statistical modeling and machine learning methods for nowcasting. The main dataset contains 1,000 randomly sampled sequences of length 20 steps (15-minute increments) of 2D radar intensity fields of dimension 40x40 (at 5km spatial resolution). Spatially stratified sampling ensures spatial homogeneity despite removal of clear-sky cases by threshold-based truncation. For each radar sequence, additional atmospheric and geographic features are made available, including date, location, mean elevation, mean wind direction and speed and prevailing storm type. New R functions to extract data from the binary "Nimrod" radar data format are provided. A case study is presented to train and evaluate a simple convolutional neural network for radar nowcasting, including self-contained R code.
• Abstract（参考訳）: 本稿では,イギリスの雨天レーダー画像系列のデータセットを,統計的モデリングと機械学習手法を用いて解析する。 主データセットは、40×40(空間解像度5km)の2次元レーダー強度場の、長さ20ステップ(15分インクリメント)のランダムにサンプリングされた1000のシーケンスを含む。 空間的階層化サンプリングは、クリアスキーケースをしきい値ベースの切り離しによって除去したにもかかわらず、空間的均一性を保証する。 レーダシーケンスごとに、日付、位置、平均標高、平均風向と速度、一般的な嵐タイプなど、追加の大気および地理的特徴が提供される。 バイナリ"Nimrod"レーダデータフォーマットからデータを抽出する新たなR関数が提供される。 自己完結型R符号を含むレーダ流し込みのための単純な畳み込みニューラルネットワークの訓練と評価を行う。

関連論文リスト

• RadarGen: Automotive Radar Point Cloud Generation from Cameras [64.69976771710057]
  マルチビューカメラ画像からリアルな自動車用レーダー点雲を合成するための拡散モデルRadarGenを提案する。 RadarGenは、鳥の目視でレーダー計測を表現することで、レーダ領域への効率的な画像遅延拡散を適応する。 本稿では,RadarGenが特徴的レーダ計測分布を捕捉し,実データに基づいて学習した知覚モデルとのギャップを小さくすることを示す。
  論文  参考訳（メタデータ） (2025-12-19T18:57:33Z)
• Towards Foundational Models for Single-Chip Radar [49.896124982717716]
  mmWaveレーダーは小型で安価で耐久性のあるセンサーで、天気や暗闇といった環境条件によらず機能する。 これは角分解能の低さ、特に自動車や屋内センサーの用途で一般的に使用される安価な単チップレーダーのコストが伴う。 我々は、4Dシングルチップレーダーの基本モデルを訓練し、3D占有率とセマンティックセマンティックセグメンテーションを、高解像度センサーでのみ可能な品質で予測できる。
  論文  参考訳（メタデータ） (2025-09-15T22:06:17Z)
• DRO: Doppler-Aware Direct Radar Odometry [11.042292216861762]
  移動ロボットアプリケーションのためのレーダーによるセンシングのルネッサンスが進行中である。 スピン周波数変調連続波レーダのための新しいSE(2)オドメトリー手法を提案する。 提案手法は,公開データセットから250km以上のオンロードデータに対して検証されている。
  論文  参考訳（メタデータ） (2025-04-29T01:20:30Z)
• Rainfall regression from C-band Synthetic Aperture Radar using Multi-Task Generative Adversarial Networks [0.0]
  本稿では,SAR(Synthetic Aperture Radar)から1ピクセルあたり200mの空間分解能で降水速度を推定するデータ駆動手法を提案する。 完全なNEXRADアーカイブを利用して、Sentinel-1データとのコロケーションを検索する。 その結果,降雨量の推定精度が向上し,最大15m/sのシナリオに性能を拡張できることがわかった。
  論文  参考訳（メタデータ） (2024-11-05T20:06:50Z)
• SparseRadNet: Sparse Perception Neural Network on Subsampled Radar Data [5.344444942640663]
  レーダー生データは、しばしば過剰なノイズを含むが、レーダー点雲は限られた情報しか保持しない。 本稿では,適応的なサブサンプリング手法と,空間パターンを利用したネットワークアーキテクチャを提案する。 RADIalデータセットの実験により,SparseRadNetはオブジェクト検出における最先端(SOTA)性能を超え,自由空間セグメンテーションにおけるSOTA精度に近づいた。
  論文  参考訳（メタデータ） (2024-06-15T11:26:10Z)
• Radar Fields: Frequency-Space Neural Scene Representations for FMCW Radar [62.51065633674272]
  本稿では,アクティブレーダイメージア用に設計されたニューラルシーン再構成手法であるRadar Fieldsを紹介する。 提案手法では,暗黙的ニューラルジオメトリとリフレクタンスモデルを用いて,暗黙的な物理インフォームドセンサモデルを構築し,生のレーダ測定を直接合成する。 本研究では,密集した車両やインフラを備えた都市景観を含む,多様な屋外シナリオにおける手法の有効性を検証する。
  論文  参考訳（メタデータ） (2024-05-07T20:44:48Z)
• Semantic Segmentation of Radar Detections using Convolutions on Point Clouds [59.45414406974091]
  本稿では,レーダ検出を点雲に展開する深層学習手法を提案する。 このアルゴリズムは、距離依存クラスタリングと入力点雲の事前処理により、レーダ固有の特性に適応する。 我々のネットワークは、レーダポイント雲のセマンティックセグメンテーションのタスクにおいて、PointNet++に基づく最先端のアプローチよりも優れています。
  論文  参考訳（メタデータ） (2023-05-22T07:09:35Z)
• LiRaNet: End-to-End Trajectory Prediction using Spatio-Temporal Radar Fusion [52.59664614744447]
  本稿では,レーダセンサ情報と広範に使用されているライダーと高精細度(HD)マップを用いた新しい終端軌道予測手法LiRaNetを提案する。 自動車レーダーは、リッチで補完的な情報を提供し、より長い距離の車両検出と即時速度測定を可能にします。
  論文  参考訳（メタデータ） (2020-10-02T00:13:00Z)

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。