論文の概要: Scale-based Approach for Active Wildfire Segmentation on Satellite Imagery

• arxiv url: http://arxiv.org/abs/2609.01392v1
• Date: Tue, 01 Sep 2026 15:20:19 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-02 16:31:36.796534
• Title: Scale-based Approach for Active Wildfire Segmentation on Satellite Imagery
• Title（参考訳）: 衛星画像におけるアクティブ・ワイルドファイア・セグメンテーションのためのスケールベースアプローチ
• Authors: Matheus F. Kovaleski, Cristiano Premebida, João Ruivo Paulo,
• Abstract要約: 衛星画像からのアクティブな山火事マッピングは、火のピクセルの粗さと高度に不均衡な性質のために困難である。 本研究では,マルチスペクトルランドサット8画像を用いて,多スケールの山火事サイズ条件下でのアクティブ・ファイア・セグメンテーションについて検討する。
• 参考スコア（独自算出の注目度）: 3.3831247297841798
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Active wildfire mapping from satellite imagery is challenging due to the sparse and highly imbalanced nature of fire pixels, especially in early-stage or low-density fire observations. This work investigates the use of multispectral Landsat-8 imagery for active-fire segmentation under multi-scale wildfire size conditions. We propose a data-driven protocol to characterize fire-region size distributions through connected-component analysis and an interquartile range criterion, enabling the evaluation of model robustness across different local fire-region densities. Three segmentation architectures, U-Net, DeepLabV3+, and SegFormer, are evaluated under different SWIR-based spectral configurations. Results show that U-Net achieves the strongest robustness across the evaluated conditions, SegFormer provides competitive performance, and DeepLabV3+ tends to produce conservative predictions with reduced recall. Across architectures, SWIR2 consistently achieves the strongest or near-best results, highlighting its importance for active-fire segmentation in Landsat-8 imagery. These findings suggest that both spectral band selection and architectural design are critical for robust satellite-based active wildfire mapping trained on low active fire-pixel density images.
• Abstract（参考訳）: 衛星画像からのアクティブな山火事マッピングは、特に初期段階または低密度の火災観測において、火のピクセルの粗さと高度に不均衡な性質のために困難である。 本研究では,マルチスペクトルランドサット8画像を用いて,多スケールの山火事サイズ条件下でのアクティブ・ファイア・セグメンテーションについて検討する。 本研究では, 連系成分分析と異種範囲基準により, 局所的な火圏密度の異なるモデルロバスト性の評価を可能にすることにより, 火圏面積分布を特徴付けるためのデータ駆動プロトコルを提案する。 U-Net、DeepLabV3+、SegFormerの3つのセグメンテーションアーキテクチャはSWIRベースの異なるスペクトル構成で評価される。 その結果、U-Netは評価条件全体で強い堅牢性を実現し、SegFormerは競争性能を提供し、DeepLabV3+はリコールを減らして保守的な予測を生成する傾向にあることがわかった。 SWIR2は、ランドサット8号の画像におけるアクティブ・ファイア・セグメンテーションの重要性を強調して、最強または最強の結果を一貫して達成している。 これらの結果から, スペクトル帯域選択と建築設計の両方が, 低能動画素密度画像に基づいて訓練された衛星による活発な山火事マッピングに重要であることが示唆された。

関連論文リスト

• Spectral-Morphological Attention U-Net: An Efficient Network for Active Wildfire Detection [0.692305735698369]
  本稿では,スペクトルアテンションモジュール,残留アテンションUNetバックボーン,チャネル空間変調器,一対の異形ゲートを含むスペクトルアテンションU-Net(SMA-UNet)と呼ばれる新しいモデルを提案する。 バックボーンを除くこれらのモジュールは、特に一対の異なる形態的ゲートにおいて、初めて活動的な火災イベントを検出するために使用される。
  論文  参考訳（メタデータ） (2026-07-17T19:37:16Z)
• Viking Hill Dataset: A Lidar-Radar-Camera Dataset for Detection and Segmentation in Forest Scenes [19.50568056035419]
  我々は,高分解能FMCWイメージングレーダ,ライダー,RGBカメラ,IMU,RTK-GNSSを備えた移動ロボットによって収集されたマルチセンサフォレストデータセットを紹介する。 我々はMinkowskiUNetを用いたレーダーとライダー点雲のセマンティックセグメンテーションのためのベースライン結果を提供する。 クロスモダリティ解析ではライダーとレーダトランクのセグメンテーションをRGB検出モデルと比較し、直径成層評価により、トランクセグメンテーションの品質が木の大きさによってどのように変化するかを明らかにする。
  論文  参考訳（メタデータ） (2026-06-17T14:58:00Z)
• RSONet: Region-guided Selective Optimization Network for RGB-T Salient Object Detection [76.1829298714382]
  本稿では,RGB画像と熱画像の相違点に着目した。 RGB-T有向物体検出のための領域誘導選択最適化ネットワークを提案する。 我々は,RGB-Tデータセットに関する広範な実験を行い,提案したRSONetが27種類の最先端SOD手法と競合する性能を発揮することを示した。
  論文  参考訳（メタデータ） (2026-03-13T06:01:17Z)
• WildfireVLM: AI-powered Analysis for Early Wildfire Detection and Risk Assessment Using Satellite Imagery [1.0907929392898186]
  森林火災は、生態系、人間の生活、インフラに対する脅威が増えている。 本研究では,衛星画像の山火事検出と言語によるリスク評価を組み合わせたAIフレームワークWildfireVLMを紹介する。
  論文  参考訳（メタデータ） (2026-02-09T19:40:50Z)
• ForensicsSAM: Toward Robust and Unified Image Forgery Detection and Localization Resisting to Adversarial Attack [56.0056378072843]
  高い転送性を持つ逆画像は上流モデルでのみ作成可能であることを示す。 本稿では,IFDLフレームワークを組み込んだForensicsSAMを提案する。
  論文  参考訳（メタデータ） (2025-08-10T16:03:44Z)
• RADARSAT Constellation Mission Compact Polarisation SAR Data for Burned Area Mapping with Deep Learning [2.548240833099411]
  近年の山火事の急激な増加により、山火事のモニタリングがますます重要になっている。 センチネル2やランドサットのような光学衛星は、焼かれた領域のマッピングに広く利用されている。 光センサーの有効性は雲や煙によって損なわれ、燃えた領域の検出を妨げている。
  論文  参考訳（メタデータ） (2024-12-16T08:47:55Z)
• SegNet: A Segmented Deep Learning based Convolutional Neural Network Approach for Drones Wildfire Detection [2.07180164747172]
  本研究は,無人航空機(UAV)/ドローンによる地球規模の山火事検出における処理時間と検出能力の向上という課題に対処するものである。 我々は,リアルタイムの山火事検出における処理速度と精度を大幅に向上させるため,特徴マップの削減に重点を置いている。
  論文  参考訳（メタデータ） (2024-02-29T15:23:12Z)
• Weakly-supervised fire segmentation by visualizing intermediate CNN layers [82.75113406937194]
  画像やビデオにおける火の局所化は、火災事故に対処するための自律システムにとって重要なステップである。 我々は,ネットワークのトレーニングに画像ラベルのみを使用する,画像中の火の弱い制御セグメント化について検討する。 CNNの中間層における特徴量の平均値は,2値セグメンテーション問題である火災セグメンテーションの場合,従来のクラスアクティベーションマッピング(CAM)法よりも優れていることを示す。
  論文  参考訳（メタデータ） (2021-11-16T11:56:28Z)
• Attention on Classification for Fire Segmentation [82.75113406937194]
  本稿では,画像中の火災の分類とセグメンテーションのための畳み込みニューラルネットワーク(CNN)を提案する。 我々は,空間的自己認識機構を用いて画素間の長距離依存性を捉えるとともに,分類確率を注目重みとして利用する新しいチャネルアテンションモジュールを提案する。
  論文  参考訳（メタデータ） (2021-11-04T19:52:49Z)
• Dense Attention Fluid Network for Salient Object Detection in Optical Remote Sensing Images [193.77450545067967]
  光リモートセンシング画像(RSI)における有意物体検出のためのエンド・ツー・エンドDense Attention Fluid Network(DAFNet)を提案する。 GCA(Global Context-Aware Attention)モジュールは、長距離の意味的関係を適応的にキャプチャするために提案される。 我々は、2000枚の画像とピクセルワイドなサリエンシアノテーションを含むSODのための新しい、挑戦的な光学RSIデータセットを構築した。
  論文  参考訳（メタデータ） (2020-11-26T06:14:10Z)

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。