Catalogus

Zoeken

Zoeken kan via de modus 'eenvoudig zoeken' (één veld) of uitgebreid via 'geavanceerd zoeken' (meerdere velden). Zo kan je bv. zoeken op een combinatie van een auteursnaam (auteur), een jaartal (jaar) en een documenttype.

Boekenmand

Nuttige resultaten kan je aanvinken en toevoegen aan een mandje. De inhoud hiervan kan je exporteren of afdrukken (naar bv. PDF).

RSS

Op de hoogte blijven van nieuw toegevoegde publicaties binnen uw interessegebied? Dit kan door een RSS-feed (?) te maken van jouw zoekopdracht.

log in

Publicaties | Kaarten

nieuwe zoekopdracht

[ meld een fout in dit record ]

mandje (0): toevoegen | toon

---

Semantic segmentation of AIS trajectories for detecting complete fishing activities Wu, S.; Zimányi, E.; Sakr, M.; Torp, K. (2022). Semantic segmentation of AIS trajectories for detecting complete fishing activities, in: 2022 23rd IEEE International Conference on Mobile Data Management (MDM): Proceedings. pp. 419-424. https://dx.doi.org/10.1109/MDM55031.2022.00092 In: (2022). 2022 23rd IEEE International Conference on Mobile Data Management (MDM): Proceedings. IEEE: [s.l.]. ISBN 978-1-6654-5177-2; e-ISBN 978-1-6654-5176-5. xxxix, 529 pp. https://dx.doi.org/10.1109/MDM55031.2022

---

Beschikbaar in	Auteurs
VLIZ: Non-open access 387995 [ aanvragen ]
Documenttype: Congresbijdrage

---

Auteurs		Top
Wu, S. Zimányi, E. Sakr, M. Torp, K.

---

Abstract

Detection of fishing activities in trajectory data is important for authorities to develop fishery management policies and combat illegal, unreported, and unregulated (IUU) fishing at sea. However, the complex movement patterns of fishing activities challenge existing trajectory segmentation approaches, which may not identify complete fishing activities. In light of this, we propose a window-based trajectory segmentation algorithm which aims to detect fishing activities as completely as possible. Firstly, we introduce a visualization-based technique TPoSTE to help design features characterizing different movement patterns. Secondly, a window-based segmentation algorithm WBS-RLE is proposed to split a trajectory into fishing and non-fishing segments. WBS-RLE first utilizes a pre-trained classifier to label windows in a trajectory as fishing or non-fishing, then it uses the run-length encoding technique to merge those labeled windows into complete fishing activities. The effectiveness of our approach and its advantages over existing approaches are evaluated on a real-world trajectory dataset.

---

Alle informatie in het Integrated Marine Information System (IMIS) valt onder het VLIZ Privacy beleid

Top | Auteurs