Leveraging Activation Maximization and Generative Adversarial Training to Recognize and Explain Patterns in Natural Areas in Satellite Imagery

要約

自然保護地域は、生物多様性、気候変動の緩和、生態学的プロセスの支援にとって不可欠です。
その重要性にもかかわらず、その特性の理解の欠如と土地被覆クラスの定義の欠落により、包括的な地図作成が妨げられています。
この論文は、保護地域と野生地域を形成する指定パターンの説明を進めることを目的としています。
この目的を達成するために、活性化の最大化と敵対的生成モデルを使用する新しいフレームワークを提案します。
これにより、領域知識と組み合わせて、これらの地域の自然の信頼性を定義する空間パターンとスペクトルパターンについて完全かつ有効な説明を提供できる衛星画像を生成することを目指しています。
私たちが提案するフレームワークは、保護地域の自然な信憑性を形成する指定パターンを正確に特定する、より正確な帰属マップを作成します。
私たちのアプローチは、自然保護地域の生態学的完全性についての理解を促進し、将来の監視と保全の取り組みに貢献する可能性があります。

要約(オリジナル)

Natural protected areas are vital for biodiversity, climate change mitigation, and supporting ecological processes. Despite their significance, comprehensive mapping is hindered by a lack of understanding of their characteristics and a missing land cover class definition. This paper aims to advance the explanation of the designating patterns forming protected and wild areas. To this end, we propose a novel framework that uses activation maximization and a generative adversarial model. With this, we aim to generate satellite images that, in combination with domain knowledge, are capable of offering complete and valid explanations for the spatial and spectral patterns that define the natural authenticity of these regions. Our proposed framework produces more precise attribution maps pinpointing the designating patterns forming the natural authenticity of protected areas. Our approach fosters our understanding of the ecological integrity of the protected natural areas and may contribute to future monitoring and preservation efforts.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google