Fugu-MT 論文翻訳(概要): Edge Preserving CNN SAR Despeckling Algorithm

論文の概要: Edge Preserving CNN SAR Despeckling Algorithm

arxiv url: http://arxiv.org/abs/2001.04716v3
Date: Fri, 10 Jul 2020 13:04:13 GMT
ステータス: 処理完了
システム内更新日: 2023-01-11 13:18:21.214027
Title: Edge Preserving CNN SAR Despeckling Algorithm
Title（参考訳）: エッジ保存型CNN SAR復号アルゴリズム
Authors: Sergio Vitale, Giampaolo Ferraioli, Vito Pascazio
Abstract要約: 我々は,畳み込みニューラルネットワークを訓練し,再検討するための新たなコスト関数を定義する。目的は、エッジの保存を制御し、人工構造物や都市部をよりよくフィルターすることである。その結果、同種でない領域において、良質な結果を均一な領域に保ち、非常に良好な改善が得られた。
参考スコア（独自算出の注目度）: 1.933681537640272
License: http://creativecommons.org/licenses/by/4.0/
Abstract: SAR despeckling is a key tool for Earth Observation. Interpretation of SAR images are impaired by speckle, a multiplicative noise related to interference of backscattering from the illuminated scene towards the sensor. Reducing the noise is a crucial task for the understanding of the scene. Based on the results of our previous solution KL-DNN, in this work we define a new cost function for training a convolutional neural network for despeckling. The aim is to control the edge preservation and to better filter manmade structures and urban areas that are very challenging for KL-DNN. The results show a very good improvement on the not homogeneous areas keeping the good results in the homogeneous ones. Result on both simulated and real data are shown in the paper.
Abstract（参考訳）: SARの切り離しは地球観測の鍵となるツールである。 SAR画像の解釈は、照明シーンからセンサーへの後方散乱の干渉に関連する乗法ノイズであるスペックルによって障害される。騒音の低減はシーンを理解する上で重要な課題である。先程のソリューションであるKL-DNNの結果に基づいて、この研究では、非特定のための畳み込みニューラルネットワークをトレーニングするための新たなコスト関数を定義する。目的は,KL-DNNにとって非常に困難な人工構造物や都市部をよりよくフィルタすることである。その結果,不均質な領域では良好な結果が得られ,均質な領域では良好な結果が得られた。シミュレーションデータと実データの両方の結果が論文に示されている。

関連論文リスト

SIRST-5K: Exploring Massive Negatives Synthesis with Self-supervised Learning for Robust Infrared Small Target Detection [53.19618419772467]
単一フレーム赤外線小ターゲット検出(SIRST)は、乱雑な背景から小さなターゲットを認識することを目的としている。 Transformerの開発に伴い、SIRSTモデルのスケールは常に増大している。赤外線小ターゲットデータの多彩な多様性により,本アルゴリズムはモデル性能と収束速度を大幅に改善する。
論文参考訳（メタデータ） (2024-03-08T16:14:54Z)
Exploring Efficient Asymmetric Blind-Spots for Self-Supervised Denoising in Real-World Scenarios [44.31657750561106]
実世界のシナリオにおけるノイズはしばしば空間的に相関しており、多くの自己教師型アルゴリズムは性能が良くない。盲点サイズを自由に調整できる非対称可変ブラインド・スポットネットワーク(AT-BSN)を提案する。提案手法は最先端技術を実現し,計算オーバーヘッドや視覚効果の観点から,他の自己教師付きアルゴリズムよりも優れていることを示す。
論文参考訳（メタデータ） (2023-03-29T15:19:01Z)
Spatially Adaptive Self-Supervised Learning for Real-World Image Denoising [73.71324390085714]
本稿では,現実の sRGB 画像復号化の問題を解決するために,新しい視点を提案する。ノイズの多い画像における平坦領域とテクスチャ領域のそれぞれの特徴を考慮し、それらを個別に管理する。 LAN自体がBNNの出力で管理されているのに対して,我々はその要件を満たすためのローカル・アウェア・ネットワーク(LAN)を提案する。
論文参考訳（メタデータ） (2023-03-27T06:18:20Z)
SAR Despeckling Using Overcomplete Convolutional Networks [53.99620005035804]
スペックルはSAR画像を劣化させるため、リモートセンシングにおいて重要な問題である。近年の研究では、畳み込みニューラルネットワーク(CNN)が古典的解法よりも優れていることが示されている。本研究は、受容場を制限することで低レベルの特徴を学習することに集中するために、過剰なCNNアーキテクチャを用いる。本稿では,合成および実SAR画像の非特定化手法と比較して,提案手法により非特定化性能が向上することを示す。
論文参考訳（メタデータ） (2022-05-31T15:55:37Z)
New SAR target recognition based on YOLO and very deep multi-canonical correlation analysis [0.1503974529275767]
本稿では,異なるCNN層から有効な特徴を適応的に融合させることにより,SAR画像ターゲット分類のためのロバストな特徴抽出手法を提案する。 MSTARデータセットの実験により,提案手法が最先端手法より優れていることが示された。
論文参考訳（メタデータ） (2021-10-28T18:10:26Z)
Online Limited Memory Neural-Linear Bandits with Likelihood Matching [53.18698496031658]
本研究では,探索学習と表現学習の両方が重要な役割を果たす課題を解決するために,ニューラルネットワークの帯域について検討する。破滅的な忘れ込みに対して耐性があり、完全にオンラインである可能性の高いマッチングアルゴリズムを提案する。
論文参考訳（メタデータ） (2021-02-07T14:19:07Z)
Deep Networks for Direction-of-Arrival Estimation in Low SNR [89.45026632977456]
我々は,真の配列多様体行列の変異チャネルデータから学習した畳み込みニューラルネットワーク(CNN)を導入する。我々は低SNR体制でCNNを訓練し、すべてのSNRでDoAを予測する。私たちの堅牢なソリューションは、ワイヤレスアレイセンサーから音響マイクロフォンやソナーまで、いくつかの分野に適用できます。
論文参考訳（メタデータ） (2020-11-17T12:52:18Z)
DiResNet: Direction-aware Residual Network for Road Extraction in VHR Remote Sensing Images [12.081877372552606]
主に3つのコントリビューションを含む方向対応残差ネットワーク(DiResNet)を提案する。提案手法は総合精度とF1スコアの両方に利点がある。
論文参考訳（メタデータ） (2020-05-14T19:33:21Z)
Complexity Analysis of an Edge Preserving CNN SAR Despeckling Algorithm [1.933681537640272]
我々は, 畳み込みニューラルネットワークの複雑化によるSARの切り離し効果を生かした。より深いネットワークは、シミュレートされた画像と実際の画像の両方でより一般化される。
論文参考訳（メタデータ） (2020-04-17T17:02:01Z)
ADRN: Attention-based Deep Residual Network for Hyperspectral Image Denoising [52.01041506447195]
ノイズの多いHSIからクリーンなHSIへのマッピングを学習するために,注目に基づくディープ残差ネットワークを提案する。実験の結果,提案手法は定量的および視覚的評価において最先端の手法よりも優れていた。
論文参考訳（メタデータ） (2020-03-04T08:36:27Z)
Selective Convolutional Network: An Efficient Object Detector with Ignoring Background [28.591619763438054]
Selective Convolutional Network (SCN) と呼ばれる効率的なオブジェクト検出器を導入し、意味のある情報を含む場所のみを選択的に計算する。そこで本稿では,ネットワークの次を導くためのオーバーヘッドを無視できるような,精巧な構造を設計する。
論文参考訳（メタデータ） (2020-02-04T10:07:01Z)

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。