- 11月 10, 2026
モロッコ全土の作物分類を5時間で完了｜Google AlphaEarthとFields of the World
GoogleのAlphaEarth Foundations埋め込みとFields of the Worldマップを組み合わせ、モロッコ全土の作物分類を約5時間で完了させるワークフローを提案した。生画像処理を省き、精度87.17%を達成した。
TAG
作物分類
- 10月 30, 2026
作物分類の精度向上にAI埋め込みが有効か｜AlphaEarthと従来手法の比較
AlphaEarth埋め込みは、スペクトル的に類似した作物の区別や輪作動態の捉え方で優位だが、地域間転移では従来特徴量に劣る。両者の特性を活かしたハイブリッドな特徴選択が重要である。
- 10月 30, 2026
MODIS衛星画像から圃場規模の作物マップを高精度生成｜Mamba活用AI「UnMixMamba」
250m解像度のMODIS時系列データから30m級のアグリマップを生成するAI「UnMixMamba」を開発。混合ピクセルの割合推定と可変スペクトルモデルを統合し、カナダ・アルバータ州で従来手法を上回る精度を達成した。
- 10月 28, 2026
衛星画像の作物分類精度向上｜地上写真教師による知識蒸留の最新手法
地上写真の視覚情報を衛星画像モデルへ転移させる知識蒸留手法を提案した。推論時には地上写真が不要でありながら、時間や地域が変わっても分類精度の低下を抑え、運用コストと精度の両立に貢献する。
- 10月 28, 2026
作物分類の精度向上と地域転移の課題｜AlphaEarth埋め込みの多角的評価
AlphaEarth埋め込みは、従来のNDVI等よりも作物間の分布的重なりを明確に分離し、輪作動態の検出に優れる。一方で、地域間転移では調和特徴が有利であり、両者を組み合わせたハイブリッド戦略が有効である。
- 9月 30, 2026
衛星画像時系列で作物分類を高精度化｜3次元注意機構「Cropland PAtteRNS」
Sentinel-2衛星画像の時系列データに対し、時間・波長・空間の各次元で独立した注意機構を持つ新モデル「Cropland PAtteRNS」を提案。PASTISやMTLCCデータセットでSOTAモデルを上回る精度、特に境界画質（Boundary IoU）で優位性を示した。
- 8月 2, 2026
衛星と街角画像融合で農業モニタリングの精度向上、Space2Ground 2.0の実証
衛星と街角画像融合で農業モニタリングの精度向上、Space2Ground 2.0の実証 📄 論文サマリー 著者：Iason Tsardanidis、Alkiviadis Koukos、George Choumos、Vasileios Sitokontantinou、Charalampos Kontoes 発表：arXiv（コンピュータビジョン）／2607.28247v1 公開日：2026年07月3 […]