論文の概要: Mapping melliferous tree species in Kenya via one-class classification with hyperspectral unsupervised domain adaptation

• arxiv url: http://arxiv.org/abs/2608.02045v1
• Date: Mon, 03 Aug 2026 10:42:50 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-04 15:07:25.490528
• Title: Mapping melliferous tree species in Kenya via one-class classification with hyperspectral unsupervised domain adaptation
• Title（参考訳）: ハイパースペクトル非教師付きドメイン適応を用いたケニアの多年生樹木の1クラス分類によるマッピング
• Abstract要約: ミツバチに必須のネクター源を提供することで、多肉樹種が重要な役割を担っている。 本研究では,木種マッピングのためのハイパースペクトル非教師付きドメイン適応OCCフレームワーク(HyUDA-One)を提案する。 ケニア南部の2つのサバンナの景観に3つの主要な延性樹種をマッピングし,HyUDA-Oneの有効性を実証した。
• 参考スコア（独自算出の注目度）: 12.220669663110641
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The beekeeping sector holds significant potential for livelihood diversification among the agropastoral communities in Kenya. Melliferous tree species play a critical role by providing essential nectar sources for bees. However, limited knowledge of their precise spatial distributions constrains the full development of beekeeping. One-class classification (OCC) offers a practical solution for detecting single target species without requiring extensive labeled data from other classes. Although existing OCC methods perform well in trained domains, the generalization capability to unseen domains remains limited due to domain shift. To address these challenges, this study proposes a hyperspectral unsupervised domain adaptation OCC framework (HyUDA-One) for tree species mapping using airborne hyperspectral imagery and laser scanning data. The spatial-spectral regularized pseudo-positive learning was designed to mitigate domain shift and improve model generalizability. The effectiveness of HyUDA-One was demonstrated by mapping three key melliferous tree species in two savanna landscapes in southern Kenya. The results show that HyUDA-One significantly improves performance in unlabeled domains. The F1-scores of 0.788, 0.845, and 0.768 were achieved for Senegalia mellifera, Vachellia tortilis, and Commiphora africana in the trained domain, respectively. In the untrained domain, the F1-scores of Senegalia mellifera and Vachellia tortilis were 0.756 and 0.884, respectively. The distribution maps revealed the spatial patterns of these melliferous tree species and the nectar source availability, offering an important reference for sustainable beekeeping development in savanna landscapes. Furthermore, the proposed framework can potentially be extended to other mapping applications, such as invasive species detection.
• Abstract（参考訳）: ミツバチの飼育部門はケニアのアグロパストリカル・コミュニティにおいて、生活の多様化に重要な可能性を秘めている。 ミツバチに必須のネクター源を提供することで、多肉樹種が重要な役割を担っている。 しかし、それらの正確な空間分布に関する限られた知識は、養蜂の完全な発達を妨げている。 1クラス分類(OCC)は、他のクラスからの広範なラベル付きデータを必要とせず、単一のターゲット種を検出する実用的なソリューションを提供する。 既存のOCC法は、訓練済みの領域ではよく機能するが、未確認領域への一般化能力はドメインシフトによって制限されている。 これらの課題に対処するために,航空機搭載ハイパースペクトル画像とレーザ走査データを用いた木種マッピングのためのハイパースペクトル非教師付きドメイン適応OCCフレームワーク(HyUDA-One)を提案する。 空間スペクトル正規化擬陽性学習は、領域シフトを緩和し、モデルの一般化性を改善するために設計された。 ケニア南部の2つのサバンナの景観に3つの主要な延性樹種をマッピングし,HyUDA-Oneの有効性を実証した。 その結果,HyUDA-Oneはラベルのないドメインの性能を著しく向上させることがわかった。 F1スコアの0.788、0.845、0.768は、セネガリア・メルライフラ、ヴァケリア・トルティリス、コミフォラ・アフリカナの訓練領域でそれぞれ達成された。 未訓練領域では、セネガリア・メルライフラのF1スコアは0.756と0.884であった。 分布図は,これらの多肉樹種の空間的パターンとネクタール源の可利用性を明らかにし,サバンナの景観における持続的養蜂開発に重要な指標となった。 さらに、提案フレームワークは、侵入種検出などの他のマッピングアプリケーションにも拡張できる可能性がある。

関連論文リスト

• ChiroEcho: extending automated bat vocalisation classification beyond the learned taxonomy [2.9676169191886235]
  コウモリは生態系の健康にとって重要な指標であり、ヨーロッパ全土で保護されている。 本稿では,種と属を共同で予測し,属の予測と地理的種の分布を推論で組み合わせた深層学習フレームワークを提案する。 これは、分類器の効果的な分類法を制約するのではなく、拡張する手段として地理情報を再構成する。
  論文  参考訳（メタデータ） (2026-08-18T12:38:51Z)
• CropVLM: A Domain-Adapted Vision-Language Model for Open-Set Crop Analysis [0.0]
  農業領域に適応した視覚言語モデルであるCropVLMについて,ドメイン特化セマンティックアライメント(DSSA)を用いて紹介する。 CropVLMは、自然条件下で37種をカバーする52,987個の手動で選択された画像キャプチャーペアで訓練されている。 CropVLMは、総合評価において、72.51%のゼロショット分類精度を達成し、7つのCLIPスタイルのベースラインを上回っている。
  論文  参考訳（メタデータ） (2026-05-05T01:17:27Z)
• From Orthomosaics to Raw UAV Imagery: Enhancing Palm Detection and Crown-Center Localization [10.123386317715541]
  本研究は,熱帯林におけるヤシの検出とクラウン中心の局在化に生UAV画像を用いることを検討した。 最先端検出器とキーポイントモデルを用いて、生画像が配置関連シナリオにおいて優れた性能を示すことを示す。
  論文  参考訳（メタデータ） (2025-09-15T19:47:08Z)
• BioCLIP 2: Emergent Properties from Scaling Hierarchical Contrastive Learning [60.80381372245902]
  生体視覚モデルでは,大規模コントラスト視覚言語学習により創発的行動が観察される。 我々は、異なる種を区別するために、TreeOfLife-200MでBioCLIP 2を訓練する。 得られたBioCLIP 2の埋め込み空間における創発的特性を同定する。
  論文  参考訳（メタデータ） (2025-05-29T17:48:20Z)
• Feedforward Few-shot Species Range Estimation [61.60698161072356]
  特定の種が地球上でどこで発見できるかを知ることは、生態学の研究と保全に不可欠である。 正確な射程推定は 知られている全ての種の 比較的小さな割合でしか 利用できない 我々は、限られたデータから種の範囲を正確に推定するという課題に対処するために、数発の種範囲推定の新しいアプローチを概説する。
  論文  参考訳（メタデータ） (2025-02-20T19:13:29Z)
• Detection and Geographic Localization of Natural Objects in the Wild: A Case Study on Palms [10.342516627774438]
  PRISM (Processing, Inference, and Mapping) は高密度熱帯林におけるヤシの検出と位置決定のための柔軟なパイプラインである。 まず,8,830個の箱と5,026個のヤシ中心点をアノテートした,エクアドル西部の21の生態学的に多様な場所に,UAV由来の大規模なオルソモザイクデータセットを構築した。 第2に、ゼロショットSAM2をセグメンテーションバックボーンとして統合し、効率と性能に基づいて複数の最先端物体検出器を評価し、第3に、信頼性スコアをIoUと整合させ、sを探索するキャリブレーション手法を適用した。
  論文  参考訳（メタデータ） (2025-02-18T16:43:11Z)
• Combining Observational Data and Language for Species Range Estimation [63.65684199946094]
  我々は,数百万の市民科学種の観察とウィキペディアのテキスト記述を組み合わせた新しいアプローチを提案する。 我々のフレームワークは、場所、種、テキスト記述を共通空間にマッピングし、テキスト記述からゼロショット範囲の推定を可能にする。 また,本手法は観測データと組み合わせることで,少ないデータでより正確な距離推定を行うことができる。
  論文  参考訳（メタデータ） (2024-10-14T17:22:55Z)
• Spatial Implicit Neural Representations for Global-Scale Species Mapping [72.92028508757281]
  ある種が観察された場所の集合を考えると、その種がどこにいても存在しないかを予測するためのモデルを構築することが目的である。 従来の手法は、新たな大規模クラウドソースデータセットを活用するのに苦労している。 本研究では,47k種の地理的範囲を同時に推定するために,空間入射ニューラル表現(SINR)を用いる。
  論文  参考訳（メタデータ） (2023-06-05T03:36:01Z)
• Neuroevolution-based Classifiers for Deforestation Detection in Tropical Forests [62.997667081978825]
  森林破壊や荒廃により、毎年何百万ヘクタールもの熱帯林が失われる。 監視・森林破壊検知プログラムは、犯罪者の予防・処罰のための公共政策に加えて、使用されている。 本稿では,熱帯林の森林破壊検出作業におけるニューロ進化技術(NEAT)に基づくパターン分類器の利用を提案する。
  論文  参考訳（メタデータ） (2022-08-23T16:04:12Z)
• Classification of Bark Beetle-Induced Forest Tree Mortality using Deep Learning [7.032774322952993]
  本研究では,深層学習に基づく学習手法を提案し,樹皮攻撃の異なる段階を木レベルで効果的に分類する。 提案手法は、無人航空機(UAV)が捉えた画像の異なる攻撃ステージを分類するために、RetinaNetアーキテクチャを用いて浅いサブネットワークを訓練する。 実験により, 平均精度98.95%を達成し, ベースライン法を約10%上回り, 提案手法の有効性を実証した。
  論文  参考訳（メタデータ） (2022-07-15T00:16:25Z)
• Dynamic $\eta$-VAEs for quantifying biodiversity by clustering optically recorded insect signals [0.6091702876917281]
  本稿では,系統群によるデータのクラスタリングが可能な変分オートエンコーダ(VAE)の適応的変種を提案する。 南スカンジナビアの光記録昆虫信号に対する動的$beta$-VAEの有用性を実証した。
  論文  参考訳（メタデータ） (2021-02-10T16:14:13Z)
• Two-View Fine-grained Classification of Plant Species [66.75915278733197]
  本研究では,2視点の葉のイメージ表現に基づく新しい手法と,植物種の粒度認識のための階層的分類戦略を提案する。 シームズ畳み込みニューラルネットワークに基づく深度測定は、多数のトレーニングサンプルへの依存を減らし、新しい植物種に拡張性を持たせるために用いられる。
  論文  参考訳（メタデータ） (2020-05-18T21:57:47Z)

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。