利用无监督分类技术对模拟和观测的 Sentinel-2/MSI 图像中的海洋垃圾进行光谱分析

Jun, 2023

利用无监督分类技术对模拟和观测的 Sentinel-2/MSI 图像中的海洋垃圾进行光谱分析

Spectral Analysis of Marine Debris in Simulated and Observed Sentinel-2/MSI Images using Unsupervised Classification

Bianca Matos de Barros, Douglas Galimberti Barbosa, Cristiano Lima Hackmann

TL;DR本研究旨在使用光学遥感与机器学习算法，研究海洋塑料污染的光谱行为，并评价辐射传输模型在此研究领域中的适用性。结果表明，污染物的光谱行为受到聚合物类型和像素覆盖百分比等因素的影响。这些发现可以指导未来在遥感应用中检测海洋塑料污染的研究。

Abstract

marine litter poses significant threats to marine and coastal environments, with its impacts ever-growing. remote sensing provides an advantageous supplement to traditional mitigation techniques, such as local cl

marine litter remote sensing radiative transfer model machine learning algorithms marine plastic pollution

发现论文，激发创造

Sentinel-2 在海岸地区大规模检测海洋垃圾

本文介绍了基于深度分割模型和远程遥感技术，对海洋垃圾进行快速、自动化定量监测和检测的方法，实验结果表明设计强调样本多样性和标签优化的数据集比深度学习模型的选择更加重要。

Jul, 2023

清洁河流的愿景：利用快照式高光谱成像技术检测大型塑料垃圾

在本文中，我们通过计算成像方法分析了在河流情景下利用大气塑料垃圾的宏观可视 - 短波红外高光谱成像进行监测的可行性；我们的实验表明，结合机器学习分类方法和高光谱数据以及非线性分类器，可以在具有挑战性的情景中实现高精度的检测。

Jul, 2023

SpectralWaste 数据集：用于垃圾分类自动化的多模态数据

对于物体分割的多模态感知在实际废物管理环境中进行了研究，包括数据集收集和算法评估，证明了高光谱成像可在工业环境中提升光学感知性能。

Mar, 2024

基于数据驱动同化和预测的 Sentinel-2 反射动态学习

本文应用 Koopman 算子理论灵感，训练了一个自监督深度学习模型，用于建模未经标注的多光谱和高光谱卫星图像，同时证明了该模型可以用于数据同化。

May, 2023

设计一个可持续的海洋垃圾清理框架，不包含人类标签

利用航拍图像和计算机视觉技术，本研究介绍了一种远程垃圾调查框架，通过 Grounding DINO 和 CLIP 实现零样本的垃圾检测和分类，并使用 Scale-Invariant Feature Transform 进行重复匹配，旨在支持高效可持续的社区清洁项目。

May, 2024

通过机器分类表面增强拉曼光谱确定痕量有机污染物浓度

使用机器学习方法从原始拉曼数据中预测样本污染物的浓度，以及标准机器学习模型和深度学习方法在模型训练和特征选择中的准确性。

Jan, 2024

应用成像光谱学习辐射传输模型用于气候变化

该研究提出了一种使用神经网络来有效模拟辐射传输模型的算法，以实现高效率、多重降速以及多重下游收益，从而加快处理时间，同时将其用于遥感技术中的海洋生态环保研究，并能够在此方面发挥重要作用。

Jun, 2019

深度神经网络用于声纳图像中的海洋垃圾检测

本文对使用深度神经网络（DNN）进行海洋垃圾检测的问题及相关问题（如图像分类、匹配和检测建议）进行了全面评估，研究结果表明，对于评估任务，DNN 是一种优越的技术，尤其是在匹配和检测建议任务方面具有很大的优势，这对于实践者是有价值的信息。

May, 2019

多光谱图像监督分类性能

本文探讨了遥感图像分类在监督和非监督学习方面的研究，并比较了多种分类方法，其中 Mahalanobis 分类器表现最佳。

Feb, 2010

优化后的自定义数据集用于有效检测水下垃圾

本文提出了一个基于深度学习的高效检测方法和包含多种水下环境的标注数据集，以更精确地定位、分类和移除水下废弃物及海底垃圾，并解决由于光线折射、颜色失真等因素带来的诸多挑战。

May, 2023