Sign In

A geometric and deep learning reproducible pipeline for monitoring floating anthropogenic debris in urban rivers using in situ cameras

Created by
  • Haebom
Category
Empty

저자

Gauthier Grimmer, Romain Wenger, Clement Flint, Germain Forestier, Gilles Rixhon, Valentin Chardon

개요

강에 떠다니는 인공적인 부유 쓰레기의 확산은 생물 다양성, 수질, 항해 및 레크리에이션과 같은 인간 활동에 부정적인 영향을 미치는 심각한 환경 문제로 부상했습니다. 본 연구는 고정된 현장 카메라를 사용하여 위에서 언급한 폐기물을 모니터링하기 위한 새로운 방법론적 프레임워크를 제안합니다. 이 연구는 (i) 딥 러닝을 사용한 부유 쓰레기의 지속적인 정량화 및 모니터링과 (ii) 복잡한 환경 조건에서 정확도와 추론 속도 측면에서 가장 적합한 딥 러닝 모델의 식별이라는 두 가지 주요 기여를 제공합니다. 또한, 2D 이미지에서 감지된 객체의 실제 크기를 추정하기 위해 기하학적 모델을 구현합니다. 이 모델은 카메라의 내적 및 외적 특성을 모두 활용합니다.

시사점, 한계점

딥 러닝 모델을 활용한 부유 쓰레기 지속적 정량화 및 모니터링 가능성 제시
데이터셋 구성 프로토콜, 특히 부정적 이미지 통합 및 시간적 누수 고려의 중요성 강조
사영 기하학을 사용한 객체 크기 추정의 가능성 입증 및 회귀 보정을 통한 정확도 개선
저비용, 자동화된 도시 수생 환경 모니터링 시스템 개발 가능성 제시
데이터 누수 관련 편향 실험 수행
👍