論文の概要: CAFOSat: A Strongly Annotated Dataset for Infrastructure-Aware CAFO Mapping Using High-Resolution Imagery
- arxiv url: http://arxiv.org/abs/2606.00548v1
- Date: Sat, 30 May 2026 05:47:46 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-06-02 21:34:28.518053
- Title: CAFOSat: A Strongly Annotated Dataset for Infrastructure-Aware CAFO Mapping Using High-Resolution Imagery
- Title（参考訳）: CAFOSat: 高解像度画像を用いたインフラストラクチャ対応CAFOマッピングのための強力なアノテーション付きデータセット
- Authors: Oishee Bintey Hoque, Nibir Chandra Mandal, Mandy L Wilson, Samarth Swarup, Madhav Marathe, Abhijin Adiga,
- Abstract要約: 集中型動物給餌作戦(CAFO)は農業生産において重要な役割を担っているが、環境、公衆衛生、疾病の監視にも関与している。
CAFOSatは、米国全域にわたるCAFOマッピングのための、強力な注釈付きインフラ対応データセットである。
- 参考スコア（独自算出の注目度）: 9.576463494506976
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Concentrated Animal Feeding Operations (CAFOs) play an important role in agricultural production but are also associated with environmental, public health, and disease surveillance concerns. Large-scale mapping of CAFOs from remote sensing imagery remains challenging due to heterogeneous infrastructure layouts, noisy location records, inconsistent annotations, and incomplete inventories. We introduce CAFOSat, a strongly annotated, infrastructure-aware dataset for CAFO mapping across the United States. CAFOSat integrates high-resolution National Agriculture Imagery Program (NAIP) imagery with multi-source CAFO inventories collected across multiple states and transforms weak geolocation records into refined annotations through a human-in-the-loop pipeline combining AI-assisted annotation, GradCAM-based localization, and geometric clustering. To improve dataset quality, we curate challenging negative samples using land-cover-guided sampling with spatial exclusion constraints and provide infrastructure-level annotations, including barns, manure ponds, and grazing-related features, through manual verification. The resulting dataset contains more than 45,000 image patches spanning 20 states and four major CAFO categories. We benchmark a diverse set of convolutional, transformer-based, and vision-language models, demonstrating the value of refined annotations and curated negative samples for CAFO classification and generalization. In addition, we introduce a synthetic augmentation pipeline that generates infrastructure-aware variations to increase training diversity and improve robustness under distribution shifts. CAFOSat provides a large-scale benchmark for advancing infrastructure-aware agricultural monitoring and CAFO mapping from high-resolution remote sensing imagery.
- Abstract（参考訳）: 集中型動物給餌作戦(CAFO)は農業生産において重要な役割を担っているが、環境、公衆衛生、疾病の監視にも関与している。
リモートセンシング画像からの大規模なCAFOのマッピングは、異質なインフラストラクチャレイアウト、ノイズの多い位置記録、一貫性のないアノテーション、不完全な在庫のため、依然として困難である。
CAFOSatは、米国全域にわたるCAFOマッピングのための、強力な注釈付きインフラ対応データセットである。
CAFOSatは、高解像度のNational Agriculture Imagery Program (NAIP)イメージと、複数の州で収集されたマルチソースCAFOインベントリを統合し、AIアシストアノテーション、GradCAMベースのローカライゼーション、幾何学的クラスタリングを組み合わせた、弱い位置情報レコードを洗練されたアノテーションに変換する。
データセットの品質向上のために,土地被覆誘導サンプリングを空間的排他的制約で評価し,手作業による検証により,納屋,牧場用池,放牧関連機能などインフラストラクチャレベルのアノテーションを提供する。
その結果得られたデータセットには、20の州と4つの主要なCAFOカテゴリにまたがる45,000以上のイメージパッチが含まれている。
我々は,CAFO分類と一般化のための改良アノテーションとキュレートされた負サンプルの価値を実証し,多種多様な畳み込みモデル,トランスフォーマーベースモデル,ビジョン言語モデルのベンチマークを行った。
さらに,学習の多様性を高め,分散シフト時のロバスト性を向上させるために,インフラ意識の変動を発生させる合成拡張パイプラインを導入する。
CAFOSatは、インフラ対応農業監視と高解像度リモートセンシング画像からのCAFOマッピングを向上するための大規模なベンチマークを提供する。
関連論文リスト
- Divide-and-Conquer Approach to Holistic Cognition in High-Similarity Contexts with Limited Data [73.20753799870282]
我々はDHCNet(Divide-and-Conquer Holistic Cognition Network)を提案する。
DHCNetは、空間的に関連する微妙な相違点に包括的キューを分解することで、分割・対数戦略を実装している。
DHCNetは、広く使われている5つのUltra-FGVCデータセットで顕著なパフォーマンスを実現している。
論文 参考訳（メタデータ） (2026-04-21T11:17:09Z) - GlobalWasteData: A Large-Scale, Integrated Dataset for Robust Waste Classification and Environmental Monitoring [5.4998857381465465]
GWD(GlobalWasteData)アーカイブは,14のカテゴリにまたがる89,807イメージの大規模データセットである。
このGWDアーカイブは、一貫性のあるラベル付け、ドメインの多様性の改善、よりバランスの取れたクラス表現を提供する。
全体として、このデータセットは、環境モニタリング、リサイクル自動化、廃棄物の識別において、機械学習(ML)アプリケーションのための強力な基盤を提供する。
論文 参考訳（メタデータ） (2026-02-07T09:36:39Z) - Data Augmentation and Resolution Enhancement using GANs and Diffusion Models for Tree Segmentation [49.13393683126712]
都市森林は、環境の質を高め、都市における生物多様性を支援する上で重要な役割を担っている。
複雑な地形と異なる衛星センサーやUAV飛行高度による画像解像度の変化により、正確に木を検知することは困難である。
低解像度空中画像の品質を高めるため,GANと拡散モデルとドメイン適応を統合した新しいパイプラインを提案する。
論文 参考訳（メタデータ） (2025-05-21T03:57:10Z) - Weakly Supervised Framework Considering Multi-temporal Information for Large-scale Cropland Mapping with Satellite Imagery [11.157693752084214]
本研究では,大規模農地マッピングのための多時期情報を考慮した弱教師付き枠組みを提案する。
我々は,グローバルランドカバー(GLC)製品間の整合性に応じて高品質なラベルを抽出し,教師付き学習信号を構築する。
提案手法は大規模農地マッピングにおいて,3つの研究領域にまたがる適応性について実験的に検証されている。
論文 参考訳（メタデータ） (2024-11-27T16:11:52Z) - FissionVAE: Federated Non-IID Image Generation with Latent Space and Decoder Decomposition [8.444515700910879]
フェデレートされた学習により、分散化されたクライアントは、すべてのトレーニングデータをローカルに保ちながら、共有モデルを共同で学習することができる。
本稿では,異なるタイプの複数の画像群を特徴とする非IIDデータ環境の課題に対処する。
本稿では、潜在空間を分離し、個々のクライアントグループに適したデコーダブランチを構築するFissionVAEを紹介する。
論文 参考訳（メタデータ） (2024-08-30T08:22:30Z) - Learning without Exact Guidance: Updating Large-scale High-resolution Land Cover Maps from Low-resolution Historical Labels [4.833320222969612]
大規模な高解像度(HR)の土地被覆マッピングは、地球の表面を調査し、人類が直面する多くの課題を解決するための重要な課題である。
本研究では,大規模人事地被覆地図作成のための効率的かつ弱教師付きフレームワーク(Paraformer)を提案する。
論文 参考訳（メタデータ） (2024-03-05T08:02:00Z) - Interpretable Spectral Variational AutoEncoder (ISVAE) for time series
clustering [48.0650332513417]
可変オートエンコーダ(VAE)の出力にフィルタバンク(FB)の解釈可能なボトルネックを組み込んだ新しいモデルを導入する。
このアレンジメントは、入力信号の最も情報性の高いセグメントに参加するためにVAEを補完する。
VAEをこのFBに故意に拘束することにより、識別可能で分離可能で次元が縮小した符号化の開発を促進する。
論文 参考訳（メタデータ） (2023-10-18T13:06:05Z) - DAPDAG: Domain Adaptation via Perturbed DAG Reconstruction [78.76115370275733]
本研究では,人口統計量の推定を行う自動エンコーダを学習し,有向非巡回グラフ(DAG)を補助的タスクとして再構築する。
基礎となるDAG構造は、条件分布が潜伏環境変数$E$によって導かれる領域間で変化することが許される観測変数の間で不変であると仮定される。
我々は、エンコーダとデコーダをエンドツーエンドで共同で訓練し、混合変数を用いた合成および実データセットの実験を行う。
論文 参考訳（メタデータ） (2022-08-02T11:43:03Z) - A U-Net Based Discriminator for Generative Adversarial Networks [86.67102929147592]
GAN(Generative Adversarial Network)のための代替U-Netベースの識別器アーキテクチャを提案する。
提案アーキテクチャにより,合成画像のグローバルコヒーレンスを維持しつつ,画素単位の詳細なフィードバックを生成元に提供することができる。
斬新な判別器は、標準分布と画像品質の指標の観点から、最先端の技術を向上する。
論文 参考訳（メタデータ） (2020-02-28T11:16:54Z) - Weakly Supervised Attention Pyramid Convolutional Neural Network for
Fine-Grained Visual Classification [71.96618723152487]
注意ピラミッド畳み込みニューラルネットワーク(AP-CNN)について紹介する。
AP-CNNは高レベルのセマンティックと低レベルの詳細な特徴表現の両方を学ぶ。
追加のバウンディングボックス/パートアノテーションを必要とせずに、エンドツーエンドでトレーニングすることができる。
論文 参考訳（メタデータ） (2020-02-09T12:33:23Z)
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。