論文の概要: Space2Ground 2.0: A Multi-Source Dataset and Framework for Agricultural Monitoring through Fusion of Street-Level and Satellite Imagery
- arxiv url: http://arxiv.org/abs/2607.28247v2
- Date: Thu, 06 Aug 2026 13:49:49 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-07 20:00:13.677063
- Title: Space2Ground 2.0: A Multi-Source Dataset and Framework for Agricultural Monitoring through Fusion of Street-Level and Satellite Imagery
- Title（参考訳）: Space2Ground 2.0: ストリートレベルと衛星画像の融合による農業モニタリングのためのマルチソースデータセットとフレームワーク
- Authors: Iason Tsardanidis, Alkiviadis Koukos, George Choumos, Vasileios Sitokonstantinou, Charalampos Kontoes,
- Abstract要約: 本稿では,SARとSentinel-2のマルチスペクトル時系列とジオタグ付きストリートレベルの画像を統合するフレームワークであるSpace2Ground 2.0を提案する。
96万枚以上の画像から選択された46,050枚のアノテートされたストリートレベルの画像のキュレートされたデータセットは、8,581個の農業区画の衛星情報とリンクしている。
- 参考スコア（独自算出の注目度）: 1.8594711725515676
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Accurate and scalable parcel-level agricultural monitoring remains challenging because satellite Earth Observation alone provides only an overhead perspective of agricultural parcels, while optical observations are further affected by cloud-induced temporal gaps. This paper presents Space2Ground 2.0, a multi-source framework integrating Sentinel-1 SAR and Sentinel-2 multispectral time series with geo-tagged street-level imagery acquired using vehicle-mounted cameras and shared through the Mapillary platform. A largely automated processing pipeline performs semantic filtering, image quality assessment, viewpoint-based parcel association, and dataset refinement, transforming large volumes of crowdsourced imagery into parcel-linked, analysis-ready data. Applied over Cyprus during the 2022 growing season, the pipeline produced a curated dataset of 46,050 annotated street-level images, selected from an initial collection exceeding 900,000 images and linked with satellite information for 8,581 agricultural parcels. The practical value of the dataset was assessed through parcel-level crop classification experiments using both single- and multi-source observations. The results demonstrate that street-level imagery provides complementary fine-scale visual information that enhances classification when integrated with satellite time series. Overall, Space2Ground 2.0 provides an openly available benchmark dataset and a reproducible methodology for multimodal agricultural monitoring, with potential applications in visual verification, reduced reliance on costly field inspections, and data-driven agricultural policy implementation.
- Abstract（参考訳）: 衛星地球観測だけでは農業パーセルのオーバーヘッドしか得られず、光学観測は雲によって引き起こされる時間的ギャップによってさらに影響を受けるため、正確でスケーラブルなパーセルレベルの農業監視は依然として困難である。
本稿では,車載カメラを用いて取得し,Mapillaryプラットフォームを介して共有するジオタグ付きストリートレベル画像と,Sentinel-1 SARとSentinel-2マルチスペクトル時系列を統合したマルチソースフレームワークであるSpace2Ground 2.0を提案する。
大部分が自動化された処理パイプラインは、セマンティックフィルタリング、画像品質評価、視点に基づくパーセルアソシエーション、データセットリファインメントを実行し、大量のクラウドソースイメージをパーセルリンクされた分析可能なデータに変換する。
2022年の成長期にキプロスに応用され、このパイプラインは46,050枚の注釈付きストリートレベルの画像を収集した。
このデータセットの実用的価値は、単ソースと多ソースの両方の観測を用いて、パーセルレベルの作物分類実験によって評価された。
その結果,衛星時系列と統合した場合の分類を向上させるために,街路レベルの画像が相補的な微視的情報を提供することを示した。
全体として、Space2Ground 2.0は、オープンに利用可能なベンチマークデータセットと、マルチモーダル農業モニタリングのための再現可能な方法論を提供し、視覚的検証、コストのかかるフィールド検査への依存の低減、データ駆動型農業政策の実装に潜在的な応用を提供する。
関連論文リスト
- AerialMetric: Benchmarking and Adapting UAV Monocular Metric Depth Estimation in the Real World [75.54693105865003]
AerialMetricは,UAV空中視点下での単分子メートル法深度推定の適応性を評価するためのベンチマークデータセットである。
AerialMetricは、52Kの現実世界と16Kの合成画像深度対を信頼できる計量基底真理で提供する。
論文 参考訳（メタデータ） (2026-06-29T02:48:47Z) - A Modelling and Evaluation Framework for EuroCrops-Driven Sentinel-2 Crop Segmentation [78.66324246922831]
本研究では,Sentinel-2イメージとEuroCropsパーセルレベルのアノテーションからセマンティックセグメンテーション対応農業データセットを生成するパイプラインを提案する。
このデータセットには、ヨーロッパ5カ国から67,337のパッチが含まれており、10種類の作物と背景の分類を減らしている。
The four-level U-Net with Group Normalization were training using 10 Sentinel-2 spectrum bands and a Composite loss with class-weighted cross-entropy and Dice loss。
論文 参考訳（メタデータ） (2026-05-30T11:20:29Z) - FLORO: A Multimodal Geospatial Foundation Model for Ecological Remote Sensing Across Sensors and Scales [65.4821703903285]
FLOROは、小さなが高度に多様なリモートセンシングコーパスから転送可能な表現を学習するために設計されたマルチモーダル基礎モデルである。
FLOROは、Sentinel-1、Sentinel-2、SkySAT画像、標高、UAV由来のデータとの不均一な組み合わせによるマスク付きオートエンコーディングを用いて事前訓練される。
我々は、シーン分類、セグメンテーション、回帰タスクにまたがる凍結エンコーダプロトコルを用いて、PANGAEAベンチマーク上でFLOROを評価した。
論文 参考訳（メタデータ） (2026-05-27T08:55:54Z) - Attention-Based Ensemble Learning for Crop Classification Using Landsat 8-9 Fusion [3.342115421418929]
本研究は,中部パンジャブの灌水地域における作物被覆の同定に焦点をあてる。
データ収集は2つの段階で実行された。
第2段階では、ラベル付きデータセットを構築するために、各ジオコードフィールドのLandsat 8-9画像を取得する。
論文 参考訳（メタデータ） (2025-06-23T06:09:39Z) - EarthView: A Large Scale Remote Sensing Dataset for Self-Supervision [72.84868704100595]
本稿では,地球モニタリングタスクにおける深層学習アプリケーションを強化することを目的とした,リモートセンシングデータの自己監督を目的としたデータセットを提案する。
このデータセットは15テラピクセルのグローバルリモートセンシングデータにまたがっており、NEON、Sentinel、Satellogicによる1mの空間解像度データの新たなリリースなど、さまざまなソースの画像を組み合わせている。
このデータセットは、リモートセンシングデータの異なる課題に取り組むために開発されたMasked Autoencoderである。
論文 参考訳（メタデータ） (2025-01-14T13:42:22Z) - The Canadian Cropland Dataset: A New Land Cover Dataset for
Multitemporal Deep Learning Classification in Agriculture [0.8602553195689513]
カナディアン・クロップ・インベントリー (Canadian Annual Crop Inventory) から回収されたラベルで濃縮されたカナダの作物の時間的パッチベースのデータセット。
このデータセットは、4年間にわたって収集された10種類の作物から,78,536個の高解像度空間像を手作業で検証した。
ベンチマークとして,単一画像(ResNet,DenseNet,EfficientNet)や画像列(LRCN,3D-CNN)を同一位置から予測可能なモデルとソースコードを提供する。
論文 参考訳（メタデータ） (2023-05-31T18:40:15Z) - Extended Agriculture-Vision: An Extension of a Large Aerial Image
Dataset for Agricultural Pattern Analysis [11.133807938044804]
農業ビジョンデータセットの改良版(Chiu et al., 2020b)をリリースする。
このデータセットは,3600大,高解像度(10cm/ピクセル),フルフィールド,赤緑色,近赤外画像の事前トレーニングにより拡張する。
下流分類とセマンティックセグメンテーションの両タスクにおいて、異なるコントラスト学習アプローチをベンチマークすることで、このデータの有用性を実証する。
論文 参考訳（メタデータ） (2023-03-04T17:35:24Z) - SatMAE: Pre-training Transformers for Temporal and Multi-Spectral
Satellite Imagery [74.82821342249039]
Masked Autoencoder(MAE)に基づく時間・マルチスペクトル衛星画像の事前学習フレームワークであるSatMAEについて述べる。
時間的情報を活用するために、時間にわたって画像パッチを個別にマスキングする時間的埋め込みを含む。
論文 参考訳（メタデータ） (2022-07-17T01:35:29Z) - A Multi-purpose Real Haze Benchmark with Quantifiable Haze Levels and
Ground Truth [61.90504318229845]
本稿では,ハズフリー画像とその場でのハズ密度測定を併用した,最初の実画像ベンチマークデータセットを提案する。
このデータセットはコントロールされた環境で生成され、プロの煙発生装置がシーン全体を覆っている。
このデータセットのサブセットは、CVPR UG2 2022 チャレンジの Haze Track における Object Detection に使用されている。
論文 参考訳（メタデータ） (2022-06-13T19:14:06Z) - Towards Space-to-Ground Data Availability for Agriculture Monitoring [0.0]
本稿では,クラウドソーシングプラットフォームであるMapillaryのストリートレベル画像とともに,Sentinel-1レーダとSentinel-2光画像時系列を含む地上空間データセットを提案する。
これらの異なるデータドメイン上で機械学習とディープラーニングのアルゴリズムをトレーニングし、意思決定の信頼性を高めるための融合技術の可能性を強調します。
論文 参考訳（メタデータ） (2022-05-16T14:35:48Z)
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。