論文の概要: SAR-Based Marine Oil Spill Detection Using the DeepSegFusion Architecture

• arxiv url: http://arxiv.org/abs/2601.12015v1
• Date: Sat, 17 Jan 2026 11:45:20 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-01-21 22:47:22.419852
• Title: SAR-Based Marine Oil Spill Detection Using the DeepSegFusion Architecture
• Title（参考訳）: ディープセグフュージョン構造を用いたSARによる海洋油流出検出
• Authors: Pavan Kumar Yata, Pediredla Pradeep, Goli Himanish, Swathi M,
• Abstract要約: ハイブリッドディープラーニングモデルであるDeepSegFusionは、SAR(Synthetic Aperture Radar)画像におけるオイル流出セグメンテーションに使用される。 提案したモデルは94.85%の精度で、IoU(Intersection over Union)は0.5685、ROC-AUCスコアは0.9330である。 これらの結果から,DeepSegFusionは様々な海洋環境下での安定モデルであり,ほぼリアルタイムな石油流出モニタリングシナリオで利用することができることが示唆された。
• 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: Detection of oil spills from satellite images is essential for both environmental surveillance and maritime safety. Traditional threshold-based methods frequently encounter performance degradation due to very high false alarm rates caused by look-alike phenomena such as wind slicks and ship wakes. Here, a hybrid deep learning model, DeepSegFusion, is presented for oil spill segmentation in Synthetic Aperture Radar (SAR) images. The model uses SegNet and DeepLabV3+ integrated with an attention-based feature fusion mechanism to achieve better boundary precision as well as improved contextual understanding. Results obtained on SAR oil spill datasets, including ALOS PALSAR imagery, confirm that the proposed DeepSegFusion model achieves an accuracy of 94.85%, an Intersection over Union (IoU) of 0.5685, and a ROC-AUC score of 0.9330. The proposed method delivers more than three times fewer false detections compared to individual baseline models and traditional non-segmentation methods, achieving a reduction of 64.4%. These results indicate that DeepSegFusion is a stable model under various marine conditions and can therefore be used in near real-time oil spill monitoring scenarios.
• Abstract（参考訳）: 衛星画像からの石油流出の検出は、環境監視と海洋安全の両方に不可欠である。 伝統的なしきい値に基づく手法は、風のスリックや船のウェイクのようなルックライクな現象によって引き起こされる非常に高い誤報率により、しばしば性能劣化に遭遇する。 ここでは,ハイブリッドディープラーニングモデルであるDeepSegFusionを用いて,合成開口レーダ(SAR)画像のオイル流出セグメンテーションを行う。 このモデルでは、SegNetとDeepLabV3+を注意に基づく機能融合機構と統合して、境界精度の向上とコンテキスト理解の改善を実現している。 ALOS PALSAR画像を含むSARオイル流出データセットで得られた結果は、提案したDeepSegFusionモデルが94.85%、IoU(Intersection over Union)が0.5685、ROC-AUCスコアが0.9330であることを確認した。 提案手法は, 個々のベースラインモデルや従来の非セグメンテーション法に比べて3倍以上の誤り検出を実現し, 64.4%の削減を実現している。 これらの結果から,DeepSegFusionは様々な海洋環境下での安定モデルであり,ほぼリアルタイムな石油流出モニタリングシナリオで利用することができることが示唆された。

関連論文リスト

• Beyond Segmentation: An Oil Spill Change Detection Framework Using Synthetic SAR Imagery [36.496017161452215]
  オイルスパイル変化検出(OSCD)は、プリスパイルSAR画像とポストスパイルSAR画像の間の変化を特定することに焦点を当てた、新しいバイタイムタスクである。 その結果,OSCDは偽陽性を有意に低減し,従来のセグメンテーションに比べて検出精度が向上した。
  論文  参考訳（メタデータ） (2026-01-05T14:10:13Z)
• Seabed-Net: A multi-task network for joint bathymetry estimation and seabed classification from remote sensing imagery in shallow waters [6.101839518775969]
  Seabed-Netは統合マルチタスクフレームワークであり、同時に水浴量測定と海底分類を予測する。 従来の経験的モデルや機械学習の回帰手法よりも一貫して優れています。 また、最先端のシングルタスクやマルチタスクベースラインと比較して、浴量計RMSEを10～30%削減する。
  論文  参考訳（メタデータ） (2025-10-22T07:43:03Z)
• HistoART: Histopathology Artifact Detection and Reporting Tool [37.31105955164019]
  ワイルスライドイメージング(WSI)は、組織標本の詳細な高分解能検査のために広く用いられている。 WSIは、スライドの準備とスキャンの間に導入されたアーティファクトに弱いままです。 本稿では,WSIに対する3つのロバストなアーティファクト検出手法を提案し,比較する。
  論文  参考訳（メタデータ） (2025-06-23T17:22:19Z)
• ReconMOST: Multi-Layer Sea Temperature Reconstruction with Observations-Guided Diffusion [48.540756751934836]
  ReconMOSTは多層水温再構築のためのデータ駆動誘導拡散モデルフレームワークである。 提案手法はMLベースのSST再構成をグローバルな多層設定に拡張し,92.5%以上の欠落データを処理する。
  論文  参考訳（メタデータ） (2025-06-12T06:27:22Z)
• ToF-Splatting: Dense SLAM using Sparse Time-of-Flight Depth and Multi-Frame Integration [40.16200204154956]
  ToF-Splatting(ToF-Splatting)は、3次元ガウススプラッティングに基づくSLAMパイプラインであり、非常にスパースなToF入力データを使用する。 提案手法は,極薄のToF深度,単色,マルチビュー幾何から深度マップをマージすることで,深度マップを生成する多フレーム統合モジュールを導入することにより,技術状況を改善する。
  論文  参考訳（メタデータ） (2025-04-23T09:19:43Z)
• Lift-Attend-Splat: Bird's-eye-view camera-lidar fusion using transformers [39.14931758754381]
  単分子深度推定を完全に回避する新しい融合法を提案する。 本モデルでは,ライダー機能の利用率に基づいて,カメラ機能の利用を調節できることが示されている。
  論文  参考訳（メタデータ） (2023-12-22T18:51:50Z)
• Dual flow fusion model for concrete surface crack segmentation [0.0]
  亀裂やその他の損傷は交通インフラの安全運用に重大な脅威をもたらす。 ディープラーニングモデルは、実用的な視覚的セグメンテーションタスクに広く応用されている。 本稿では,二重ストリームの融合に基づくひび割れ分割モデルを提案する。
  論文  参考訳（メタデータ） (2023-05-09T02:35:58Z)
• Hyperspectral Remote Sensing Benchmark Database for Oil Spill Detection with an Isolation Forest-Guided Unsupervised Detector [13.739881592455044]
  近年、海洋石油流出事故が環境、天然資源、沿岸住民の生活に深刻な影響を与えているため、石油流出の検出が注目されている。 既存のアプローチのほとんどは、ハイパースペクトル画像(HSI)からのオイル流出を検出するための教師付きおよび半教師付きフレームワークに基づいている。 本研究では,HSIの孤立林を基盤とした非監督型油流出検出手法の開発を初めて試みる。
  論文  参考訳（メタデータ） (2022-09-28T02:26:42Z)
• Deep learning based automatic detection of offshore oil slicks using SAR data and contextual information [0.0]
  本稿では,両種類のスリックを有する広範囲なデータベース上で,オフショアオイルスリックの自動化について述べる。 これは、Sentinel-1 SARデータ上の特殊な写真解釈器のスリックアノテーションを、世界中の3つの探査および監視エリアで4年間にわたって構築している。 本研究の主な成果は,深層学習によるスリック検出の有効性である。
  論文  参考訳（メタデータ） (2022-04-13T13:30:16Z)
• Guided deep learning by subaperture decomposition: ocean patterns from SAR imagery [36.922471841100176]
  センチネル1 SAR 波動モードのヴィグネットは、2014年以来、多くの重要な海洋現象や大気現象を捉えてきた。 本研究では,SAR深層学習モデルの事前処理段階としてサブアパーチャ分解を適用することを提案する。
  論文  参考訳（メタデータ） (2022-04-09T09:49:05Z)

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。