論文の概要: The MASSIMAL Dataset: UAV Hyperspectral Images and Ground Truth Observations for Coastal Habitat Mapping in Norway
- arxiv url: http://arxiv.org/abs/2611.00763v1
- Date: Sat, 31 Oct 2026 09:19:04 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-11-13 16:42:38.272244
- Title: The MASSIMAL Dataset: UAV Hyperspectral Images and Ground Truth Observations for Coastal Habitat Mapping in Norway
- Title(参考訳): MASSIMALデータセット:ノルウェーの沿岸ハビタットマッピングのためのUAVハイパースペクトル画像と地上真実観測
- Abstract要約: MASSIMALデータセットは、浅海沿岸の生息地をマッピングする新しいリモートセンシング手法を開発するために収集された。
データセットの主な構成要素は、無人航空機(UAV)を用いて収集されたハイパースペクトル画像である。
画像はノルウェー沿岸の4つの主要地域で45回のUAV飛行中に収集された。
- 参考スコア(独自算出の注目度): 0.21987601456703476
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: The MASSIMAL dataset was collected in an effort to develop new remote sensing methods for mapping shallow water coastal habitats, such as kelp forests, seagrass meadows and maerl beds. The main component of the dataset is a set of hyperspectral images collected using a unmanned aerial vehicle (UAV). Images were collected during 45 UAV flights performed at 4 main areas along the Norwegian coast, spanning across a wide latitude range, from 59 to 67 degrees north. The ground sampling distance of the hyperspectral images is 3.5 cm, and the spectral range is 400-1000 nm, sampled across 300 spectral bands. During acquisition, push-broom imagery was automatically split into images with a maximum along-track length of 2000 lines. Out of approximately 1000 hyperspectral images, 221 have been annotated, using segmentation masks and a hierarchical taxonomy. An open source image processing pipeline has been developed as part of the dataset preparation, enabling efficient generation of reflectance images and glint-corrected images based on published radiance images. The dataset also includes color images (RGB) and multispectral images collected using UAV, and georeferenced image mosaics constructed from these. Ground truth data supporting the remote sensing images include hours of underwater video, thousands of geotagged underwater images, and tens of kilometers of single-beam sonar data. The data provide a foundation for assessing habitat distribution, tracking changes, and evaluating ecosystem services, thus supporting evidence-based management in Norwegian coastal environments.
- Abstract(参考訳): MASSIMALデータセットは、ケルプ林、海草の牧草地、メイル層などの浅海沿岸の生息地をマッピングする新しいリモートセンシング手法を開発するために収集された。
データセットの主なコンポーネントは、無人航空機(UAV)を用いて収集されたハイパースペクトル画像である。
画像は、ノルウェー沿岸の4つの主要地域で実施された45回のUAV飛行中に収集され、北緯59度から67度の範囲に広がる。
ハイパースペクトル画像の地中サンプリング距離は3.5cm、スペクトル範囲は400-1000nmで、300のスペクトル帯でサンプリングされる。
買収の間、プッシュブルームのイメージは2000行のコース距離の最大画像に自動的に分割された。
約1000枚のハイパースペクトル画像のうち、221枚がアノテートされ、セグメンテーションマスクと階層分類が使用されている。
データセット作成の一部としてオープンソースの画像処理パイプラインが開発され, 公表された放射率画像に基づいて, 反射率画像とグリント補正画像の効率的な生成が可能となった。
データセットには、UAVを用いて収集されたカラー画像(RGB)とマルチスペクトル画像、およびこれらから構築されたジオレファレンス画像モザイクも含まれている。
リモートセンシング画像をサポートする地上の真実データには、水中ビデオの時間、何千ものジオタグ付き水中画像、数千kmのシングルビームソナーデータが含まれる。
このデータは、生息地分布の評価、変化の追跡、生態系サービスの評価のための基盤を提供し、ノルウェー沿岸環境におけるエビデンスベースの管理を支援する。
関連論文リスト
- AerialMetric: Benchmarking and Adapting UAV Monocular Metric Depth Estimation in the Real World [75.54693105865003]
AerialMetricは,UAV空中視点下での単分子メートル法深度推定の適応性を評価するためのベンチマークデータセットである。
AerialMetricは、52Kの現実世界と16Kの合成画像深度対を信頼できる計量基底真理で提供する。
論文 参考訳(メタデータ) (2026-06-29T02:48:47Z) - Generalized Referring Expression Segmentation on Aerial Photos [47.944645462877894]
本研究では,航空画像のための大規模参照表現セグメンテーションデータセットであるAerial-Dを提案する。
これは37,288のイメージと1,522,523の参照式で構成され、259,709の注釈付きターゲットをカバーし、個々のオブジェクトインスタンス、インスタンスのグループ、セマンティック領域にまたがる。
我々はRSRefSegアーキテクチャを採用し、Aerial-Dのモデルを事前の空中データセットとともに訓練し、現代画像と歴史的画像の両方のテキストから統一されたインスタンスとセマンティックセグメンテーションを得た。
論文 参考訳(メタデータ) (2025-12-08T09:25:59Z) - S-EO: A Large-Scale Dataset for Geometry-Aware Shadow Detection in Remote Sensing Applications [9.673688224123369]
S-EOデータセットは、ジオメトリ対応のシャドウ検出を前進させるために設計された、大規模で高解像度のデータセットである。
データセットは米国全体で702個の測地タイルで構成され、それぞれ500×500mをカバーしている。
各画像に対して、幾何と太陽の位置から派生した影マスク、NDVI指数に基づく植生マスク、バンドル調整RPCモデルを提供する。
論文 参考訳(メタデータ) (2025-04-09T14:25:35Z) - Diffusion Models for Interferometric Satellite Aperture Radar [73.01013149014865]
確率拡散モデル (Probabilistic Diffusion Models, PDMs) は、最近、非常に有望な生成モデルのクラスとして登場した。
ここでは、PDMを活用して、レーダーベースの衛星画像データセットを複数生成する。
PDMは複雑で現実的な構造を持つ画像を生成することに成功したが、サンプリング時間は依然として問題である。
論文 参考訳(メタデータ) (2023-08-31T16:26:17Z) - A Large Scale Homography Benchmark [52.55694707744518]
1DSfMデータセットから10万枚の画像から約1000個の平面が観測された3D, Pi3Dの平面の大規模データセットを示す。
また,Pi3Dを利用した大規模ホモグラフィ推定ベンチマークであるHEBを提案する。
論文 参考訳(メタデータ) (2023-02-20T14:18:09Z) - A Dataset with Multibeam Forward-Looking Sonar for Underwater Object
Detection [0.0]
マルチビーム前方ソナー (MFLS) は水中検出において重要な役割を担っている。
MFLSを用いた水中物体検出の研究にはいくつかの課題がある。
本稿では,Tritech Gemini 1200ikソナーを用いて,9000枚以上のMFLS画像からなる新しいデータセットを提案する。
論文 参考訳(メタデータ) (2022-12-01T08:26:03Z) - xView3-SAR: Detecting Dark Fishing Activity Using Synthetic Aperture
Radar Imagery [52.67592123500567]
世界の漁業は海洋資源や生態系に大きな脅威をもたらす。
夜間または夜間、全天候下で暗黒船の自動検出が可能となった。
xView3-SARは、Sentinel-1ミッションから得られた1000近い分析可能なSAR画像で構成されている。
論文 参考訳(メタデータ) (2022-06-02T06:53:45Z) - Planetary UAV localization based on Multi-modal Registration with
Pre-existing Digital Terrain Model [0.5156484100374058]
我々は,UAV上のナディルビューカメラを用いて,惑星UAVの位置を推定するマルチモーダル登録に基づくSLAMアルゴリズムを提案する。
オンボードUAV画像とプリインストールデジタル地形モデルとのスケールと外観の違いを克服するために,UAV画像とDEMの地形特性がクロスパワースペクトルを介して周波数領域で相関できることを示す理論的モデルを提案した。
提案するローカライゼーションアルゴリズムのロバスト性と有効性をテストするために,惑星探査のための新しいクロスソースドローンベースのローカライゼーションデータセットを提案する。
論文 参考訳(メタデータ) (2021-06-24T02:54:01Z)
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。