論文の概要: Deep Image Translation with an Affinity-Based Change Prior for Unsupervised Multimodal Change Detection

• arxiv url: http://arxiv.org/abs/2001.04271v2
• Date: Mon, 8 Mar 2021 13:57:53 GMT
• ステータス: 処理完了
• システム内更新日: 2023-01-11 22:20:54.242119
• Title: Deep Image Translation with an Affinity-Based Change Prior for Unsupervised Multimodal Change Detection
• Title（参考訳）: 教師なしマルチモーダル変化検出のための親和性に基づく深層画像変換
• Authors: Luigi Tommaso Luppino, Michael Kampffmeyer, Filippo Maria Bianchi, Gabriele Moser, Sebastiano Bruno Serpico, Robert Jenssen, and Stian Normann Anfinsen
• Abstract要約: 本稿では,学習目標に対する変化画素の影響を低減するために,事前の重み付けにより損失関数を訓練した2つの新しいネットワークアーキテクチャを提案する。 提案したニューラルネットワークは最先端のアルゴリズムと比較される。
• 参考スコア（独自算出の注目度）: 20.485370285874613
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Image translation with convolutional neural networks has recently been used as an approach to multimodal change detection. Existing approaches train the networks by exploiting supervised information of the change areas, which, however, is not always available. A main challenge in the unsupervised problem setting is to avoid that change pixels affect the learning of the translation function. We propose two new network architectures trained with loss functions weighted by priors that reduce the impact of change pixels on the learning objective. The change prior is derived in an unsupervised fashion from relational pixel information captured by domain-specific affinity matrices. Specifically, we use the vertex degrees associated with an absolute affinity difference matrix and demonstrate their utility in combination with cycle consistency and adversarial training. The proposed neural networks are compared with state-of-the-art algorithms. Experiments conducted on three real datasets show the effectiveness of our methodology.
• Abstract（参考訳）: 畳み込みニューラルネットワークを用いた画像翻訳は、最近マルチモーダル変化検出のアプローチとして使われている。 既存のアプローチでは、変更領域の教師付き情報を利用してネットワークを訓練するが、それは必ずしも利用できない。 教師なし問題設定の主な課題は、変化画素が翻訳関数の学習に影響を与えることを避けることである。 そこで本研究では,学習目標に対する画素変更の影響を低減し,損失関数を重み付けて学習する2つの新しいネットワークアーキテクチャを提案する。 変更前は、ドメイン固有の親和行列によってキャプチャされた関係画素情報から教師なしの方法で導出される。 具体的には,絶対親和性差行列に付随する頂点次数を用いて,サイクル一貫性や逆訓練と組み合わせてその有用性を示す。 提案するニューラルネットワークを最先端アルゴリズムと比較する。 3つの実データを用いた実験により,本手法の有効性を示す。

関連論文リスト

• Deep Multi-Threshold Spiking-UNet for Image Processing [51.88730892920031]
  本稿では,SNN(Spike Neural Networks)とU-Netアーキテクチャを組み合わせた,画像処理のためのスパイキング-UNetの概念を紹介する。 効率的なスパイキング-UNetを実現するためには,スパイクによる高忠実度情報伝播の確保と,効果的なトレーニング戦略の策定という2つの課題に直面する。 実験の結果,画像のセグメンテーションとデノイングにおいて,スパイキングUNetは非スパイキングと同等の性能を発揮することがわかった。
  論文  参考訳（メタデータ） (2023-07-20T16:00:19Z)
• Scene Change Detection Using Multiscale Cascade Residual Convolutional Neural Networks [0.0]
  シーン変化検出は、デジタル画像の画素を前景と背景領域に分割する処理問題である。 本研究では,Residual Processing Moduleを統合した畳み込みニューラルネットワークを用いた新しいマルチスケールResidual Processing Moduleを提案する。 2つの異なるデータセットで実施された実験は、提案手法の全体的な有効性をサポートし、それぞれが$boldsymbol0.9622$と$boldsymbol0.9664$ over Change Detection 2014とPetrobrasROUTESデータセットの全体的な有効性を達成する。
  論文  参考訳（メタデータ） (2022-12-20T16:48:51Z)
• A Perturbation Resistant Transformation and Classification System for Deep Neural Networks [0.685316573653194]
  深層畳み込みニューラルネットワークは、さまざまな自然画像の正確な分類を行うが、設計時には容易に認識できる。 本稿では,攻撃的かつ容易に推定できないマルチプロハングトレーニング,非バウンド入力変換,画像アンサンブルシステムを設計する。
  論文  参考訳（メタデータ） (2022-08-25T02:58:47Z)
• dual unet:a novel siamese network for change detection with cascade differential fusion [4.651756476458979]
  本稿では,変化検出タスク,すなわちDual-UNetのための新しいSiameseニューラルネットワークを提案する。 従来のバイテンポラル画像の符号化とは対照的に,画素の空間的差分関係に着目したエンコーダ差分アテンションモジュールを設計する。 実験により、提案手法は、一般的な季節変化検出データセットにおいて、常に最も高度な手法よりも優れていることが示された。
  論文  参考訳（メタデータ） (2022-08-12T14:24:09Z)
• Interpolation-based Correlation Reduction Network for Semi-Supervised Graph Learning [49.94816548023729]
  補間型相関低減ネットワーク(ICRN)と呼ばれる新しいグラフコントラスト学習手法を提案する。 提案手法では,決定境界のマージンを大きくすることで,潜在特徴の識別能力を向上させる。 この2つの設定を組み合わせることで、豊富なラベル付きノードと稀に価値あるラベル付きノードから豊富な監視情報を抽出し、離散表現学習を行う。
  論文  参考訳（メタデータ） (2022-06-06T14:26:34Z)
• Learning Discriminative Shrinkage Deep Networks for Image Deconvolution [122.79108159874426]
  本稿では,これらの用語を暗黙的にモデル化する識別的縮小関数を学習することで,効果的に非盲検デコンボリューション手法を提案する。 実験結果から,提案手法は最先端の手法に対して,効率と精度の点で好適に動作することがわかった。
  論文  参考訳（メタデータ） (2021-11-27T12:12:57Z)
• Joint Learning of Neural Transfer and Architecture Adaptation for Image Recognition [77.95361323613147]
  現在の最先端の視覚認識システムは、大規模データセット上でニューラルネットワークを事前トレーニングし、より小さなデータセットでネットワーク重みを微調整することに依存している。 本稿では,各ドメインタスクに適応したネットワークアーキテクチャの動的適応と,効率と効率の両面で重みの微調整の利点を実証する。 本手法は,ソースドメインタスクでスーパーネットトレーニングを自己教師付き学習に置き換え,下流タスクで線形評価を行うことにより,教師なしパラダイムに容易に一般化することができる。
  論文  参考訳（メタデータ） (2021-03-31T08:15:17Z)
• Encoding Robustness to Image Style via Adversarial Feature Perturbations [72.81911076841408]
  我々は、画像画素ではなく特徴統計を直接摂動することで、頑健なモデルを生成することで、敵の訓練に適応する。 提案手法であるAdvBN(Adversarial Batch Normalization)は,トレーニング中に最悪の機能摂動を発生させる単一ネットワーク層である。
  論文  参考訳（メタデータ） (2020-09-18T17:52:34Z)
• Code-Aligned Autoencoders for Unsupervised Change Detection in Multimodal Remote Sensing Images [18.133760118780128]
  畳み込み型オートエンコーダを用いた画像翻訳は、最近、バイテンポラル衛星画像におけるマルチモーダル変化検出のアプローチとして使われている。 主な課題は、変換関数の学習に対する変更画素の寄与を減らすことで、コード空間のアライメントである。 本稿では,ドメイン固有親和性行列が入力時に取得した関係画素情報を抽出し,これを用いてコード空間のアライメントを強制する手法を提案する。
  論文  参考訳（メタデータ） (2020-04-15T11:24:51Z)
• From W-Net to CDGAN: Bi-temporal Change Detection via Deep Learning Techniques [43.58400031452662]
  W-Netと呼ばれるエンドツーエンドのデュアルブランチアーキテクチャを提案し、各ブランチは2つのバイテンポラルイメージのうちの1つを入力として取り込む。 また、最近人気になったGAN(Generative Adversarial Network)を応用し、当社のW-Netがジェネレータとして機能している。 ネットワークをトレーニングし,今後の研究を促進するために,Google Earthから画像を収集して大規模なデータセットを構築する。
  論文  参考訳（メタデータ） (2020-03-14T09:24:08Z)
• CrDoCo: Pixel-level Domain Transfer with Cross-Domain Consistency [119.45667331836583]
  教師なしのドメイン適応アルゴリズムは、あるドメインから学んだ知識を別のドメインに転送することを目的としている。 本稿では,新しい画素単位の対向領域適応アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2020-01-09T19:00:35Z)

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。