論文の概要: Recognition of Urbanized Areas in UAV-Derived Very-High-Resolution Visible-Light Imagery

• arxiv url: http://arxiv.org/abs/2609.40212v1
• Date: Wed, 30 Sep 2026 17:22:28 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-01 18:57:28.162183
• Title: Recognition of Urbanized Areas in UAV-Derived Very-High-Resolution Visible-Light Imagery
• Title（参考訳）: 紫外誘導超高解像度可視光画像における都市化領域の認識
• Abstract要約: 本研究では,無人航空機(UAV)が取得したRGB画像に基づいて,都市化地域と非都市化地域を区別する分類器の比較を行った。 各種植生指標(VIs)しきい値とニューラルネットワーク(NNs)を用いた試験方法の検討
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: This study compared classifiers that differentiate between urbanized and non-urbanized areas based on unmanned aerial vehicle (UAV)-acquired RGB imagery. The tested solutions in-cluded numerous vegetation indices (VIs) thresholding and neural networks (NNs). The analysis was conducted for two study areas for which surveys were carried out using different UAVs and cameras. The ground sampling distances for the study areas were 10 mm and 15 mm, respectively. Reference classification was performed manually, obtaining approximately 24 million classified pix-els for the first area and approximately 3.8 million for the second. This research study included an analysis of the impact of the season on the threshold values for the tested VIs and the impact of image patch size provided as inputs for the NNs on classification accuracy. The results of the con-ducted research study indicate a higher classification accuracy using NNs (about 96%) compared with the best of the tested VIs, i.e., Excess Blue (about 87%). Due to the highly imbalanced nature of the used datasets (non-urbanized areas constitute approximately 87% of the total datasets), the Mat-thews correlation coefficient was also used to assess the correctness of the classification. The analysis based on statistical measures was supplemented with a qualitative assessment of the classification results, which allowed the identification of the most important sources of differences in classification between VIs thresholding and NNs.
• Abstract（参考訳）: 本研究では,無人航空機(UAV)が取得したRGB画像に基づいて,都市化地域と非都市化地域を区別する分類器の比較を行った。 テストされたソリューションは、多数の植生指標(VIs)のしきい値とニューラルネットワーク(NNs)を包含した。 異なるUAVとカメラを用いて調査を行った2つの研究領域について分析を行った。 地中試料採取距離は, それぞれ10mm, 15mmであった。 基準分類は手作業で行われ、第1の領域で約2400万画素、第2の領域で約380万ピクセルを得た。 本研究は、テストVIsの閾値に対する季節の影響と、NNsの入力として提供される画像パッチサイズが分類精度に与える影響について分析した。 コンダクテッド研究の結果、NNを用いた分類精度(約96%)は、試験されたVIの最高値であるエクスセスブルー(約87%)と比較して高い。 使用するデータセットの高度に不均衡な性質 (非都市化領域は全データセットの約87%を占める) のため, Mat-thews相関係数も分類の正しさを評価するために用いられた。 統計測度に基づく分析は、分類結果の質的評価で補われ、VIs閾値とNNの分類における最も重要な違いの特定を可能にした。

関連論文リスト

• EcoVision: AI-Powered Drone Imaging for Salt Marsh Vegetation Monitoring and Dominance Mapping [0.0]
  このフレームワークは、2つの生態学的に重要なハロ植物草(Spartina maritimaとPuccinellia maritima)を標的とした。 これらの植物を画像から識別するために,我々は,信頼性の高い種マスクを得た。 EcoVisionと名付けられたこの開発システムは、スケーラブルで高解像度の塩沼モニタリングのための実用的な基盤を確立している。
  論文  参考訳（メタデータ） (2026-07-07T10:16:31Z)
• CWSSNet: Hyperspectral Image Classification Enhanced by Wavelet Domain Convolution [0.0]
  本研究は、ZY1F衛星からのハイパースペクトル画像をデータソースとして使用し、江西省山東市由賀郡を研究領域として選定した。 3次元スペクトル空間特徴とウェーブレット畳み込みを統合したCWSSNetという分類フレームワークが提案されている。 CWSSNetは、ユガン郡で平均74.50%、平均82.73%、平均84.94%、平均的精度(mAcc)、平均F1スコア(mF1)を達成した。
  論文  参考訳（メタデータ） (2025-09-11T05:44:52Z)
• Multimodal classification of forest biodiversity potential from 2D orthophotos and 3D airborne laser scanning point clouds [47.679877727066206]
  森林生物多様性の評価は生態系管理と保全に不可欠である。 深層学習に基づく2次元直視と3次元空中レーザースキャン(ALS)点群からの近距離センシングデータの融合は、森林の生物多様性ポテンシャルを確実に評価することができる。 BioVistaのデータセットは、デンマークの温帯森林から採取された44の378対のオルソフォトスとALS点雲からなる。
  論文  参考訳（メタデータ） (2025-01-03T09:42:25Z)
• Dual-band feature selection for maturity classification of specialty crops by hyperspectral imaging [5.905721043072562]
  イチゴやトマトなどの特産作物の成熟度分類は、農業の下流における重要な活動である。 近年のDeep Learningの進歩は、成熟度分類のためのカラー画像の奨励的な結果を生み出している。 成熟度分類のための特徴抽出法を提案する。
  論文  参考訳（メタデータ） (2024-05-16T10:01:16Z)
• Evaluation of the potential of Near Infrared Hyperspectral Imaging for monitoring the invasive brown marmorated stink bug [53.682955739083056]
  BMSB(Halyomorpha halys)は、数種の作物を害する世界的重要性の害虫である。 本研究は、BMSB検体を検出する技術として、NIR-HSI(Near Infrared Hyperspectral Imaging)を実験室レベルで予備評価する。
  論文  参考訳（メタデータ） (2023-01-19T11:37:20Z)
• Supervised classification methods applied to airborne hyperspectral images: Comparative study using mutual information [0.0]
  本稿では,SVM,Random Forest RF,K-Nearest Neighbors KNN,Linear Discriminant Analysis LDAの4つの教師付き学習アルゴリズムの性能について検討する。 実験は、NASAの空中可視/赤外線イメージング分光計センサーAVIRISと反射光学系イメージング分光計ROSISセンサーから得られた3つの実際のハイパースペクトルデータセットで実施された。
  論文  参考訳（メタデータ） (2022-10-27T13:39:08Z)
• Potato Crop Stress Identification in Aerial Images using Deep Learning-based Object Detection [60.83360138070649]
  本稿では, 深層ニューラルネットワークを用いたジャガイモの空中画像解析手法を提案する。 主な目的は、植物レベルでの健康作物とストレス作物の自動空間認識を実証することである。 実験により、フィールド画像中の健康植物とストレス植物を識別し、平均Dice係数0.74を達成できることを示した。
  論文  参考訳（メタデータ） (2021-06-14T21:57:40Z)
• CovidDeep: SARS-CoV-2/COVID-19 Test Based on Wearable Medical Sensors and Efficient Neural Networks [51.589769497681175]
  新型コロナウイルス(SARS-CoV-2)がパンデミックを引き起こしている。 SARS-CoV-2の逆転写-ポリメラーゼ連鎖反応に基づく現在の試験体制は、試験要求に追いついていない。 我々は,効率的なDNNと市販のWMSを組み合わせたCovidDeepというフレームワークを提案する。
  論文  参考訳（メタデータ） (2020-07-20T21:47:28Z)
• Capturing scattered discriminative information using a deep architecture in acoustic scene classification [49.86640645460706]
  本研究では,識別情報を捕捉し,同時に過度に適合する問題を緩和する様々な手法について検討する。 我々は、ディープニューラルネットワークにおける従来の非線形アクティベーションを置き換えるために、Max Feature Map法を採用する。 2つのデータ拡張方法と2つの深いアーキテクチャモジュールは、システムの過度な適合を減らし、差別的なパワーを維持するためにさらに検討されている。
  論文  参考訳（メタデータ） (2020-07-09T08:32:06Z)

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。