論文の概要: A Dual-Track Curation-and-Classification Framework for Resolving Ground-Truth Label Noise in Operational Sentinel-2 Wheat Area Estimation
- arxiv url: http://arxiv.org/abs/2609.36975v1
- Date: Tue, 29 Sep 2026 08:12:04 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-30 21:28:47.313004
- Title: A Dual-Track Curation-and-Classification Framework for Resolving Ground-Truth Label Noise in Operational Sentinel-2 Wheat Area Estimation
- Title（参考訳）: オペレーショナルセンチネル-2小麦地域推定における地中レーバーノイズの解消のためのデュアルトラック・キュレーション・アンド・シグナライゼーション・フレームワーク
- Abstract要約: コムギ栽培地域は, 管理記録と分類産物の相違により, 操業推定が制限される。
インド・パンジャブ州パタリア地区の2022年のラビシーズンにおいて、13段階のSentinel-2 NDVIタイムシリーズを用いて、この管理上の不一致に対処する。
反復ルールベースのブートストラッピング手順によって開発された849サンプル参照データセットは、特徴感度分析と操作分類器の両方を基盤としている。
- 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: Operational estimation of wheat-cultivated area is persistently constrained by discordance between administrative record-keeping and remotely sensed classification products. We address this administrative reference discordance for the 2022 Rabi season in Patiala district, Punjab, India, using a thirteen-timestep Sentinel-2 NDVI time series. A curated 849-sample reference dataset, developed through an iterative rule-based bootstrapping procedure, underpins both a feature sensitivity analysis and an operational classifier. Feature sensitivity independently assessed via Cohen's d and gradient-boosted information gain converges on the February-to-March grain-fill window as most discriminative. Four classifiers (1D-CNN, LSTM, hybrid CNN-LSTM, and XGBoost) were benchmarked on an identical 679/170 sample split. XGBoost achieved the highest overall accuracy (78.82%) against deep-learning baselines (64-66%), consistent with tree-based ensembles' favourable parameter-to-sample ratio in low-sample regimes. At full-population deployment across 36.25 million valid district pixels, the operational classifier attained 86.31% precision and 71.05% recall. The predicted wheat extent deviated by only +2.99% from the official tabular target, whereas the government's spatial reference mask exhibited a +25.11% positive area bias against the identical target. This asymmetry indicates that a classifier trained on an auditor-curated reference set reconciles more closely with the official tabular area than the spatial product conventionally used to validate it. We present this dual-track curation-and-classification framework as a methodological reference for crop-area reconciliation in label-noisy administrative settings.
- Abstract（参考訳）: 管理記録とリモートセンシングされた分類産物の不一致により, 小麦栽培面積の操作性評価が持続的に抑制される。
本研究では,インド・パンジャブ州パタリア地区の2022年ラビシーズンにおける13ステップのSentinel-2 NDVI時系列を用いて,この管理基準不一致を解決した。
反復ルールベースのブートストラッピング手順によって開発された849サンプル参照データセットは、特徴感度分析と操作分類器の両方を基盤としている。
コーエンのdと勾配型情報により独立に評価された特徴感度は、2月から3月にかけての穀物充填ウィンドウに最も識別可能なものとして収束する。
4つの分類器 (1D-CNN, LSTM, ハイブリッドCNN-LSTM, XGBoost) を679/170サンプル分割でベンチマークした。
XGBoostは、ディープラーニングベースライン(64-66%)に対して最も高い総合精度(78.82%)を達成した。
3625万の有効な地区画素にまたがる全人口配置では、運用分類器は86.31%の精度と71.05%のリコールを達成した。
予測された小麦の広さは公式の表紙の目標からわずか2.99%しかずれなかったが、政府の空間基準マスクは同一の目標に対して+25.11%の正の面積バイアスを示した。
この非対称性は、監査者による基準セットで訓練された分類器が、従来の検証に使われた空間積よりも、公式な表領域とより密に一致していることを示している。
本稿では,この二トラック・キュレーション・クラス化フレームワークを,ラベルにうるさい管理環境における作物・地域和解の方法論的基準として提示する。
関連論文リスト
- Detection is solved, delineation is not: what governs tooth segmentation on panoramic radiographs [0.3262230127283452]
本研究は,42,142個の歯科用ポリゴンを含む1,422個のパノラマX線撮影装置を組み立てた。
入力解像度、アーキテクチャ、解剖学的事前を単一の評価プロトコルで分離するために使用する。
論文 参考訳（メタデータ） (2026-09-18T11:08:02Z) - From Foundation Embeddings to Cropland Maps: Label Efficiency, Temporal Transferability and Independent Human Validation [0.45998296599540095]
地理空間基盤モデルは、下流マッピングをサポートする衛星画像の再利用可能な表現を提供する。
アメリカ合衆国メイン州において,AlphaEarthの年次埋没が二分栽培-無栽培マッピングをサポートするかを評価する。
論文 参考訳（メタデータ） (2026-09-15T13:04:35Z) - Automated binary classification of hazelnut X-ray images: A deep-learning benchmark for quality assessment [33.72751145910978]
非破壊的なX線撮影では、外部検査だけでは検出が難しい内部のハゼルナッツの欠陥が明らかになる。
799セグメントのシングルカーネルX線画像に基づくバイナリ・ヘーゼルナットの品質分類のベンチマークを提案する。
論文 参考訳（メタデータ） (2026-08-12T07:55:22Z) - GeoAI-based post-segmentation quality validation of building footprints via spatial feature engineering [1.3277276618043652]
ディープラーニングに基づくビルディングフットプリント抽出は、直接GISデータベースの取り込みのためのトップ一貫性のないベクトルを生成することが多い。
ベクトルフットプリントデータベースを浄化するエラー検出を自動化するマルチドメインGeoAI品質管理フレームワークを提案する。
このフレームワークは、誤ったフットプリントの87.34%を識別し、許容可能な構造の98.31%を維持した。
論文 参考訳（メタデータ） (2026-08-10T02:55:07Z) - PLGSA-Transformer: Periocular Landmark-Guided Attention with Occlusion-Adaptive Cosine Thresholding for Cross-Modal Masked and Unmasked Face Recognition [0.0]
本稿では,3つのコントリビューションを持つクロスモーダル顔マッチングフレームワークであるPLGSA-Transformerを提案する。
PLGSA-Transformerは、ROC AUC 1.0000で97.22%のペア検証精度を達成し、VGG-16ベースのMUFMを上回った。
論文 参考訳（メタデータ） (2026-07-03T19:48:17Z) - Efficient Visual Pointing for Embodied AI:Agent-Driven Data Synthesis, Cross-Block Attention, and Iterative Correction [55.11480729304395]
PointArena 2026は77.2%の精度でベンチマークで2位である。
ap proachは3つの障害モードをターゲットにしている。第一に、エージェント駆動のシンセシスは大きなセマンティクスとアンカー相対的な候補プールを構築する。
次に、determinis tic steerable-dataパイプラインは、認証された10,000サンプルのメインセットと、マスク、テンプレート、パス検証を使用するリザーブサンプルを生成する。
論文 参考訳（メタデータ） (2026-06-29T06:39:03Z) - 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) - Pixel-Level Pavement Distress Assessment Using Instance Segmentation [0.0]
本稿では,Mask R-CNN のインスタンスセグメンテーションに基づく視覚に基づく舗装災害解析システムを提案する。
最高の性能モデルは84.23%の精度、90.04%のリコール、87.04%のF1スコアをプロジェクト固有のバウンディングボックスマッチングプロトコルで達成した。
その結果, ケースセグメンテーションは, 現場舗装画像と集合的き裂面積推定の実用的な方向であることが示唆された。
論文 参考訳（メタデータ） (2026-05-25T17:53:23Z) - Amplifying, Not Learning: Fine-Tuned AI Text Detectors Amplify a Pretrained Direction [51.56484100374058]
テキスト検出器は、事前訓練された典型軸を増幅する。
タスク監督前の生エンコーダでは、3つのアーキテクチャでNYT-vs-HC3 AUROC 0.806/0.944/0.834を達成する。
RoBERTaベースでは、生のプロジェクションは微調整を超えるが、RoBERTaベースでは、フル微調整は、試験された流線型人口の双方で生よりも識別を小さくする。
論文 参考訳（メタデータ） (2026-05-20T19:08:38Z) - Paired-CSLiDAR: Height-Stratified Registration for Cross-Source Aerial-Ground LiDAR Pose Refinement [46.13526676100776]
Paired-CSLiDAR(英語版)は、シングルスキャンポーズリファインメントのためのクロスソース空地LiDARベンチマークである。
このベンチマークには6つの評価サイトで12,683組の地上空対が含まれている。
本稿では,RGSR(Residual-Guided Stratified Registration)を提案する。
論文 参考訳（メタデータ） (2026-05-01T13:14:20Z) - Generalized Focal Loss: Learning Qualified and Distributed Bounding
Boxes for Dense Object Detection [85.53263670166304]
一段検出器は基本的に、物体検出を密度の高い分類と位置化として定式化する。
1段検出器の最近の傾向は、局所化の質を推定するために個別の予測分岐を導入することである。
本稿では, 上記の3つの基本要素, 品質推定, 分類, ローカライゼーションについて述べる。
論文 参考訳（メタデータ） (2020-06-08T07:24:33Z)
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。