論文の概要: Hybrid Multiple Attention Network for Semantic Segmentation in Aerial
Images
- arxiv url: http://arxiv.org/abs/2001.02870v3
- Date: Tue, 15 Sep 2020 02:17:37 GMT
- ステータス: 処理完了
- システム内更新日: 2023-01-13 05:16:07.933213
- Title: Hybrid Multiple Attention Network for Semantic Segmentation in Aerial
Images
- Title（参考訳）: 空中画像のセマンティックセグメンテーションのためのハイブリッド多重注意ネットワーク
- Authors: Ruigang Niu, Xian Sun, Yu Tian, Wenhui Diao, Kaiqiang Chen, Kun Fu
- Abstract要約: グローバルな相関関係を適応的に捉えるために,Hybrid Multiple Attention Network (HMANet) という新しいアテンションベースのフレームワークを提案する。
本稿では,機能的冗長性を低減し,自己注意機構の効率を向上させるため,単純で効果的な領域シャッフルアテンション(RSA)モジュールを提案する。
- 参考スコア（独自算出の注目度）: 24.35779077001839
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Semantic segmentation in very high resolution (VHR) aerial images is one of
the most challenging tasks in remote sensing image understanding. Most of the
current approaches are based on deep convolutional neural networks (DCNNs).
However, standard convolution with local receptive fields fails in modeling
global dependencies. Prior researches have indicated that attention-based
methods can capture long-range dependencies and further reconstruct the feature
maps for better representation. Nevertheless, limited by the mere perspective
of spacial and channel attention and huge computation complexity of
self-attention mechanism, it is unlikely to model the effective semantic
interdependencies between each pixel-pair of remote sensing data of complex
spectra. In this work, we propose a novel attention-based framework named
Hybrid Multiple Attention Network (HMANet) to adaptively capture global
correlations from the perspective of space, channel and category in a more
effective and efficient manner. Concretely, a class augmented attention (CAA)
module embedded with a class channel attention (CCA) module can be used to
compute category-based correlation and recalibrate the class-level information.
Additionally, we introduce a simple yet effective region shuffle attention
(RSA) module to reduce feature redundant and improve the efficiency of
self-attention mechanism via region-wise representations. Extensive
experimental results on the ISPRS Vaihingen and Potsdam benchmark demonstrate
the effectiveness and efficiency of our HMANet over other state-of-the-art
methods.
- Abstract（参考訳）: 超高解像度(VHR)空中画像におけるセマンティックセグメンテーションは、リモートセンシング画像理解において最も困難な課題の1つである。
現在のアプローチのほとんどは、ディープ畳み込みニューラルネットワーク(DCNN)に基づいている。
しかし、グローバルな依存関係のモデリングでは、ローカルな受容フィールドとの標準の畳み込みは失敗する。
従来の研究では、注意に基づく手法が長距離依存を捉え、より優れた表現のために特徴マップを再構築できることが示されている。
とはいえ、空間的・チャネル的注意と自己注意機構の膨大な計算複雑性に制限されているため、複雑なスペクトルのリモートセンシングデータの画素ペア間の効果的なセマンティック相互依存性をモデル化することは不可能である。
本研究では,空間,チャネル,カテゴリの観点から,より効率的かつ効率的な方法でグローバル相関を適応的に捉えるための,hybrid multiple attention network (hmanet) と呼ばれる新しい注意ベースフレームワークを提案する。
具体的には、クラスチャネルアテンション(CCA)モジュールに埋め込まれたクラス拡張アテンション(CAA)モジュールを使用して、カテゴリベースの相関を計算し、クラスレベルの情報を校正することができる。
さらに,機能的冗長性を低減し,領域表現による自己認識機構の効率を向上させるため,単純で効果的な領域シャッフルアテンション(RSA)モジュールを導入する。
ISPRS Vaihingen と Potsdam のベンチマークによる大規模な実験結果は,HMANet の他の最先端手法に対する有効性と効率を実証している。
関連論文リスト
- An Advanced Features Extraction Module for Remote Sensing Image Super-Resolution [0.5461938536945723]
チャネル・アンド・スペースアテンション特徴抽出(CSA-FE)と呼ばれる高度な特徴抽出モジュールを提案する。
提案手法は,高頻度情報を含む特定のチャネルや空間的位置に着目し,関連する特徴に焦点を合わせ,無関係な特徴を抑えるのに役立つ。
本モデルは,既存モデルと比較して優れた性能を示した。
論文 参考訳（メタデータ） (2024-05-07T18:15:51Z) - AMMUNet: Multi-Scale Attention Map Merging for Remote Sensing Image Segmentation [4.618389486337933]
マルチスケールアテンションマップをマージするUNetベースのフレームワークであるAMMUNetを提案する。
提案するAMMMは,マルチスケールアテンションマップを固定マスクテンプレートを用いた統一表現に効果的に結合する。
提案手法は,Vayhingenデータセットでは75.48%,Potsdamデータセットでは77.90%という顕著な平均交叉(mIoU)を達成した。
論文 参考訳（メタデータ） (2024-04-20T15:23:15Z) - Hybrid Convolutional and Attention Network for Hyperspectral Image Denoising [54.110544509099526]
ハイパースペクトル画像(HSI)は、ハイパースペクトルデータの効果的な解析と解釈に重要である。
ハイブリット・コンボリューション・アテンション・ネットワーク(HCANet)を提案する。
主流HSIデータセットに対する実験結果は,提案したHCANetの合理性と有効性を示している。
論文 参考訳（メタデータ） (2024-03-15T07:18:43Z) - MCA: Moment Channel Attention Networks [10.780493635885225]
ニューラルネットワーク内の特徴写像の統計モーメントについて検討する。
本研究は,モデルキャパシティ向上における高次モーメントの重要性を明らかにする。
モーメントチャネル注意(MCA)フレームワークを提案する。
論文 参考訳（メタデータ） (2024-03-04T04:02:59Z) - Rotated Multi-Scale Interaction Network for Referring Remote Sensing Image Segmentation [63.15257949821558]
Referring Remote Sensing Image (RRSIS)は、コンピュータビジョンと自然言語処理を組み合わせた新しい課題である。
従来の参照画像(RIS)アプローチは、空中画像に見られる複雑な空間スケールと向きによって妨げられている。
本稿ではRMSIN(Rotated Multi-Scale Interaction Network)を紹介する。
論文 参考訳（メタデータ） (2023-12-19T08:14:14Z) - TOPIQ: A Top-down Approach from Semantics to Distortions for Image
Quality Assessment [53.72721476803585]
画像品質評価(IQA)は、ディープニューラルネットワークによる顕著な進歩を目の当たりにしたコンピュータビジョンの基本課題である。
本稿では,高レベルの意味論を用いてIQAネットワークを誘導し,意味的に重要な局所歪み領域に注目するトップダウンアプローチを提案する。
提案手法の重要な要素は,低レベル特徴に対するアテンションマップを算出した,クロススケールアテンション機構である。
論文 参考訳（メタデータ） (2023-08-06T09:08:37Z) - Learning to Aggregate Multi-Scale Context for Instance Segmentation in
Remote Sensing Images [28.560068780733342]
特徴抽出のプロセスを改善するために,新しいコンテキスト集約ネットワーク(CATNet)を提案する。
提案モデルは,高密度特徴ピラミッドネットワーク(DenseFPN),空間コンテキストピラミッド(SCP),階層的関心抽出器(HRoIE)の3つの軽量プラグアンドプレイモジュールを利用する。
論文 参考訳（メタデータ） (2021-11-22T08:55:25Z) - Channelized Axial Attention for Semantic Segmentation [70.14921019774793]
チャネルアキシャルアテンション(CAA)を提案し、チャネルアテンションと軸アテンションをシームレスに統合し、計算複雑性を低減します。
私たちのCAAは、DANetのような他の注意モデルに比べて計算リソースをはるかに少なくするだけでなく、すべての検証済みデータセット上で最先端のResNet-101ベースのセグメンテーションモデルよりも優れています。
論文 参考訳（メタデータ） (2021-01-19T03:08:03Z) - Multi-Attention-Network for Semantic Segmentation of Fine Resolution
Remote Sensing Images [10.835342317692884]
リモートセンシング画像におけるセマンティックセグメンテーションの精度は、ディープ畳み込みニューラルネットワークによって著しく向上した。
本稿では,これらの問題に対処するマルチアテンション・ネットワーク(MANet)を提案する。
線形複雑性を伴うカーネル注意の新たなアテンション機構が提案され,注目される計算負荷の低減が図られた。
論文 参考訳（メタデータ） (2020-09-03T09:08:02Z) - Cross-Attention in Coupled Unmixing Nets for Unsupervised Hyperspectral
Super-Resolution [79.97180849505294]
本稿では,HSIの空間分解能を高めるために,CUCaNetというクロスアテンション機構を備えた新しい結合型アンミックスネットワークを提案する。
3つの広く使われているHS-MSデータセットに対して、最先端のHSI-SRモデルと比較実験を行った。
論文 参考訳（メタデータ） (2020-07-10T08:08:20Z) - Global Context-Aware Progressive Aggregation Network for Salient Object
Detection [117.943116761278]
我々は,低レベルな外観特徴,高レベルな意味特徴,グローバルな文脈特徴を統合化するための新しいネットワークGCPANetを提案する。
提案手法は, 定量的かつ定性的に, 最先端の手法よりも優れていることを示す。
論文 参考訳（メタデータ） (2020-03-02T04:26:10Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。