要約
この論文は、地球画像上の森林と非森林地域の検出の問題に専念しています。
この問題に取り組むために、2 つの統計的手法を提案します。1 つは、パラメトリック分布ファミリーを使用した複数の仮説検定に基づく方法で、もう 1 つはノンパラメトリック検定に基づく方法です。
パラメトリック アプローチは文献では斬新であり、より大きなクラスの問題 (自然物体の検出や異常検出) に関連しています。
2 つの方法のそれぞれの数学的背景を開発し、それらを使用して自給自足の検出アルゴリズムを構築し、それらの実装の実際的な側面について説明します。
また、衛星データを使用した標準的な機械学習のアルゴリズムとアルゴリズムを比較します。
要約(オリジナル)
This paper is devoted to the problem of detection of forest and non-forest areas on Earth images. We propose two statistical methods to tackle this problem: one based on multiple hypothesis testing with parametric distribution families, another one — on non-parametric tests. The parametric approach is novel in the literature and relevant to a larger class of problems — detection of natural objects, as well as anomaly detection. We develop mathematical background for each of the two methods, build self-sufficient detection algorithms using them and discuss practical aspects of their implementation. We also compare our algorithms with those from standard machine learning using satellite data.
arxiv情報
著者 | Jesper Muren,Vilhelm Niklasson,Dmitry Otryakhin,Maxim Romashin |
発行日 | 2022-09-22 14:44:41+00:00 |
arxivサイト | arxiv_id(pdf) |
提供元, 利用サービス
arxiv.jp, Google