Fugu-MT 論文翻訳(概要): Signal-Centric Remote Sensing via Alternative Preprocessing and Acoustic Processing for ML-Driven Applications

論文の概要: Signal-Centric Remote Sensing via Alternative Preprocessing and Acoustic Processing for ML-Driven Applications

arxiv url: http://arxiv.org/abs/2609.21123v1
Date: Thu, 17 Sep 2026 22:16:47 GMT
ステータス: 翻訳完了
システム内更新日: 2026-09-21 18:40:16.789639
Title: Signal-Centric Remote Sensing via Alternative Preprocessing and Acoustic Processing for ML-Driven Applications
Title（参考訳）: ML駆動アプリケーションのための代替前処理と音響処理による信号中心リモートセンシング
Abstract要約: 本研究では,コマ・セパレート・バリュー形式のデータを利用したリモートセンシングアプリケーションのための代替データ処理手法を提案する。代替手法の実験では、処理時間の91.18%削減、機械学習による正確な物体検出の改善、SNRの増加が示されている。
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: The dominant method of processing sonar data is using image-based representations, requiring the preprocessing of image data on autonomous systems. We propose an alternative data processing method for remote sensing applications via the use of data in Comma-Seperated Value format. Experimentation on our alternative approach shows a reduction of processing time by 91.18%, an improvement in accurate object detection by Machine Learning, and an increase in SNR (Signal-to-noise ratio), PSNR (Peak signal-to-noise ratio), and other evaluation metrics.
Abstract（参考訳）: ソナーデータを処理する主要な方法は、画像ベースの表現を使用することであり、自律システムにおける画像データの事前処理が必要である。本研究では,コマ・セパレート・バリュー形式のデータを利用したリモートセンシングアプリケーションのための代替データ処理手法を提案する。代替手法の実験では、処理時間を91.18%削減し、機械学習による精度の高い物体検出の改善、SNR(Signal-to-noise ratio)、PSNR(Peak signal-to-noise ratio)などの評価指標が得られた。

関連論文リスト

Filtering-out poor-quality images for data preparation [1.301249961234225]
畳み込みニューラルネットワーク(CNN)は画像のノイズ化で人気を博している。 CNNは適応可能で、様々な画像デノーミングタスクに有効なツールである。本稿では, 環境・カメラの様々な影響に対して, 画質の悪い画像をフィルタリングする手法を提案する。
論文参考訳（メタデータ） (2026-07-14T05:03:08Z)
Automating Parameter Selection in Deep Image Prior for Fluorescence Microscopy Image Denoising via Similarity-Based Parameter Transfer [1.342048192901064]
教師なし深層画像事前(DIP)は、教師付き深層学習に関連する訓練データ要件と限定的な一般化の欠点に対処する。キャリブレーションデータセットからテスト画像へのパラメータ転送は,定量的な画像類似度尺度に基づく転送よりも類似し,良好な性能を示すことを示す。
論文参考訳（メタデータ） (2026-01-17T13:47:41Z)
A Label-Free High-Precision Residual Moveout Picking Method for Travel Time Tomography based on Deep Learning [7.081408406139507]
残留移動(Residual moveout、RMO)は、旅行時間トモグラフィーに重要な情報を提供する。現在の分析手法は、局所的な塩分化を正確に捉えていない。抽出のための教師付き学習ベース画像分割法は,局所的な変化を効果的に捉えることができる。
論文参考訳（メタデータ） (2025-03-08T03:27:55Z)
Deep Learning Based Speckle Filtering for Polarimetric SAR Images. Application to Sentinel-1 [51.404644401997736]
本稿では、畳み込みニューラルネットワークを用いて偏光SAR画像のスペックルを除去するための完全なフレームワークを提案する。実験により,提案手法はスペックル低減と分解能保存の両方において例外的な結果をもたらすことが示された。
論文参考訳（メタデータ） (2024-08-28T10:07:17Z)
MB-RACS: Measurement-Bounds-based Rate-Adaptive Image Compressed Sensing Network [65.1004435124796]
本稿では,MB-RACS(Message-Bounds-based Rate-Adaptive Image Compressed Sensing Network)フレームワークを提案する。実験により,提案手法が現在の先行手法を超越していることが実証された。
論文参考訳（メタデータ） (2024-01-19T04:40:20Z)
Uncertainty-Aware Source-Free Adaptive Image Super-Resolution with Wavelet Augmentation Transformer [60.31021888394358]
Unsupervised Domain Adaptation (UDA)は、現実世界の超解像(SR)における領域ギャップ問題に効果的に対処できる本稿では,画像SR(SODA-SR)のためのSOurce-free Domain Adaptationフレームワークを提案する。
論文参考訳（メタデータ） (2023-03-31T03:14:44Z)
DDPM-CD: Denoising Diffusion Probabilistic Models as Feature Extractors for Change Detection [31.125812018296127]
Deno Diffusion Probabilistic Model (DDPM) の事前学習による変化検出のための新しいアプローチを提案する。 DDPMは、訓練画像を徐々にマルコフ連鎖を用いてガウス分布に変換することにより、トレーニングデータ分布を学習する。推論(サンプリング)中に、トレーニング分布に近い多様なサンプルセットを生成することができる。 LEVIR-CD, WHU-CD, DSIFN-CD, CDDデータセットを用いて行った実験により,提案手法は既存の変化検出法よりもF1スコアで大幅に優れており, I。
論文参考訳（メタデータ） (2022-06-23T17:58:29Z)
Poisson2Sparse: Self-Supervised Poisson Denoising From a Single Image [34.27748767631027]
本稿では,単一画像の自己教師型学習手法を提案する。繰り返しニューラルネットワークを用いた画像復調のための従来の反復最適化アルゴリズムを近似する。提案手法はPSNRとSSIMの両面で最先端の手法より優れている。
論文参考訳（メタデータ） (2022-06-04T00:08:58Z)
Semantic similarity metrics for learned image registration [10.355938901584565]
画像登録のための意味的類似度尺度を提案する。このアプローチは、学習に基づく登録モデルの最適化を促進するデータセット固有の特徴を学習する。自動エンコーダを用いた非監視的アプローチと、補助セグメンテーションデータを用いた半監督的アプローチの両方をトレーニングし、画像登録のための意味的特徴を抽出します。
論文参考訳（メタデータ） (2021-04-20T15:23:58Z)
Learning Spatial and Spatio-Temporal Pixel Aggregations for Image and Video Denoising [104.59305271099967]
ピクセル集計ネットワークを提示し、画像デノイジングのためのピクセルサンプリングと平均戦略を学びます。時間空間にまたがるサンプル画素をビデオデノナイズするための画素集約ネットワークを開発した。本手法は,動的シーンにおける大きな動きに起因する誤認問題を解決することができる。
論文参考訳（メタデータ） (2021-01-26T13:00:46Z)

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。