論文の概要: Towards Open-Set Semantic Segmentation of Aerial Images
- arxiv url: http://arxiv.org/abs/2001.10063v1
- Date: Mon, 27 Jan 2020 20:19:57 GMT
- ステータス: 処理完了
- システム内更新日: 2023-01-06 08:26:09.257631
- Title: Towards Open-Set Semantic Segmentation of Aerial Images
- Title（参考訳）: 航空画像のオープンセットセマンティクスセグメンテーションに向けて
- Authors: Caio C. V. da Silva, Keiller Nogueira, Hugo N. Oliveira, Jefersson A.
dos Santos
- Abstract要約: リモートセンシングフィールドで利用される画像のより珍しい源は、衛星画像と空中画像である。
スペクトル情報を含む航空画像へのアクセスは、主に低価格のドローンのために増加している。
本論文は,リモートセンシング画像に適用されたオープンセットシナリオのセマンティックセマンティックセマンティクス技術について研究・開発する最初の論文である。
- 参考スコア（独自算出の注目度）: 4.152165675786138
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Classical and more recently deep computer vision methods are optimized for
visible spectrum images, commonly encoded in grayscale or RGB colorspaces
acquired from smartphones or cameras. A more uncommon source of images
exploited in the remote sensing field are satellite and aerial images. However,
the development of pattern recognition approaches for these data is relatively
recent, mainly due to the limited availability of this type of images, as until
recently they were used exclusively for military purposes. Access to aerial
imagery, including spectral information, has been increasing mainly due to the
low cost of drones, cheapening of imaging satellite launch costs, and novel
public datasets. Usually remote sensing applications employ computer vision
techniques strictly modeled for classification tasks in closed set scenarios.
However, real-world tasks rarely fit into closed set contexts, frequently
presenting previously unknown classes, characterizing them as open set
scenarios. Focusing on this problem, this is the first paper to study and
develop semantic segmentation techniques for open set scenarios applied to
remote sensing images. The main contributions of this paper are: 1) a
discussion of related works in open set semantic segmentation, showing evidence
that these techniques can be adapted for open set remote sensing tasks; 2) the
development and evaluation of a novel approach for open set semantic
segmentation. Our method yielded competitive results when compared to closed
set methods for the same dataset.
- Abstract（参考訳）: 古典的なコンピュータビジョンの手法は可視スペクトル画像に最適化されており、スマートフォンやカメラから取得したグレースケールやrgb色空間で符号化される。
リモートセンシングフィールドで利用される画像のより珍しい源は、衛星画像と空中画像である。
しかし、これらのデータに対するパターン認識手法の開発は、主にこの種の画像が限られており、近年まで軍事目的にのみ使用されていたため、比較的最近のものである。
スペクトル情報を含む航空画像へのアクセスは、主にドローンの低コスト、画像衛星打ち上げコストの安価化、そして新しい公共データセットによって増加している。
通常、リモートセンシングアプリケーションは、閉集合シナリオの分類タスクを厳密にモデル化したコンピュータビジョン技術を用いる。
しかし、実際のタスクがクローズドセットのコンテキストに当てはまることは滅多になく、未知のクラスをしばしば提示し、それらをオープンセットのシナリオとして特徴づける。
本稿では,この課題に着目し,リモートセンシング画像に適用するオープンセットシナリオのための意味セグメンテーション手法を初めて研究し,開発する。
本論文の主な貢献は次のとおりである。
1) オープンセットのセマンティックセグメンテーションにおける関連研究の議論は,これらの技術がオープンセットのリモートセンシングタスクに適応できることを示すものである。
2)オープンセット意味セグメンテーションのための新しい手法の開発と評価。
提案手法は,同じデータセットのクローズド・セット・メソッドと比較して,競合する結果を得た。
関連論文リスト
- Domain Generalization for In-Orbit 6D Pose Estimation [14.624172952608653]
宇宙船のポーズ推定ネットワークのための,エンドツーエンドのニューラルベースアーキテクチャを提案する。
提案手法はドメインギャップを効果的に閉鎖し,SPEED+データセット上で最先端の精度を実現する。
論文 参考訳（メタデータ） (2024-06-17T17:01:20Z) - Leveraging Open-Vocabulary Diffusion to Camouflaged Instance
Segmentation [59.78520153338878]
テキスト・ツー・イメージ拡散技術は、テキスト記述から高品質な画像を生成する素晴らしい能力を示している。
そこで本研究では,オープン語彙を応用した最先端拡散モデルを用いて,多スケールのテキスト・視覚的特徴を学習する手法を提案する。
論文 参考訳（メタデータ） (2023-12-29T07:59:07Z) - Towards Real-World Focus Stacking with Deep Learning [97.34754533628322]
焦点ブラケットを用いた94個の高解像度原画像のバーストからなる新しいデータセットを提案する。
このデータセットは、現実世界のアプリケーションに十分な長さのバーストを処理できるフォーカススタックのための最初のディープラーニングアルゴリズムをトレーニングするために使用される。
論文 参考訳（メタデータ） (2023-11-29T17:49:33Z) - Region-level Active Learning for Cluttered Scenes [60.93811392293329]
本稿では,従来の画像レベルのアプローチとオブジェクトレベルのアプローチを一般化した領域レベルのアプローチに仮定する新たな戦略を提案する。
その結果,本手法はラベル付けの労力を大幅に削減し,クラス不均衡や散らかったシーンを生かしたリアルなデータに対する希少なオブジェクト検索を改善することが示唆された。
論文 参考訳（メタデータ） (2021-08-20T14:02:38Z) - cofga: A Dataset for Fine Grained Classification of Objects from Aerial
Imagery [2.169919643934826]
細粒度分類研究の発展のための新しいオープンデータセットであるCOFGAを紹介する。
データセットの2,104枚の画像は、地上515cmの地中撮影システムから収集される。
14256個の注釈付きオブジェクトは、2つのクラス、15のサブクラス、14のユニークな特徴、8の知覚された色に分類された。
論文 参考訳（メタデータ） (2021-05-26T18:39:47Z) - Memory-Augmented Reinforcement Learning for Image-Goal Navigation [67.3963444878746]
本論文では,クロスエピソードメモリを活用したナビゲーション学習法を提案する。
オーバーフィッティングを避けるため、トレーニング中にRGB入力にデータ拡張を適用することを提案する。
この競合性能はRGB入力のみから得られるが,位置や深度などのセンサは利用できない。
論文 参考訳（メタデータ） (2021-01-13T16:30:20Z) - Scale Aware Adaptation for Land-Cover Classification in Remote Sensing
Imagery [4.793219747021116]
リモートセンシング画像を用いた土地被覆分類は重要な地球観測課題である。
リモートセンシングイメージでディープセグメンテーションモデルをトレーニングするためのベンチマークデータセットは小さい傾向がある。
クロスロケーションおよびクロススケールの土地被覆分類を行うためのスケール認識型対人学習フレームワークを提案する。
論文 参考訳（メタデータ） (2020-12-08T05:15:43Z) - Structural Prior Driven Regularized Deep Learning for Sonar Image
Classification [28.306713374371814]
深層学習は合成開口ソナー(SAS)画像分類の領域での性能を向上させることが示されている。
近年のディープラーニングの成功にもかかわらず、高い誤報率を下げる上で、魅力的なオープンな課題がまだ残っている。
我々は,事前知識を取り入れた新しいディープラーニングアーキテクチャを導入し,自動目標認識の改善を目指す。
論文 参考訳（メタデータ） (2020-10-26T04:00:46Z) - Open-Edit: Open-Domain Image Manipulation with Open-Vocabulary
Instructions [66.82547612097194]
そこで我々は,オープンドメイン画像操作のための新しいアルゴリズムOpen-Editを提案する。
本手法は、一般的な画像キャプチャーデータセット上で事前訓練された、統合されたビジュアル・セマンティックな埋め込み空間を利用する。
オープンドメイン画像の様々なシナリオに対して,オープンボキャブラリ色,テクスチャ,高レベル属性の操作に有望な結果を示す。
論文 参考訳（メタデータ） (2020-08-04T14:15:40Z) - Multiple instance learning on deep features for weakly supervised object
detection with extreme domain shifts [1.9336815376402716]
近年,画像レベルのアノテーションのみを用いたオブジェクト検出 (WSOD) が注目されている。
事前学習した深部特徴に応用した単純な複数インスタンスアプローチは、非写真データセットに優れた性能をもたらすことを示す。
論文 参考訳（メタデータ） (2020-08-03T20:36:01Z) - Remote Sensing Image Scene Classification Meets Deep Learning:
Challenges, Methods, Benchmarks, and Opportunities [81.29441139530844]
本稿では,160以上の論文を網羅し,リモートセンシング画像シーン分類のためのディープラーニング手法の体系的調査を行う。
リモートセンシング画像シーンの分類と調査の主な課題について論じる。
リモートセンシング画像シーン分類に使用されるベンチマークを導入し,2ダース以上の代表アルゴリズムの性能を要約する。
論文 参考訳（メタデータ） (2020-05-03T14:18:00Z)
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。