論文の概要: A Two-Stream Symmetric Network with Bidirectional Ensemble for Aerial Image Matching

• arxiv url: http://arxiv.org/abs/2002.01325v1
• Date: Tue, 4 Feb 2020 14:38:18 GMT
• ステータス: 処理完了
• システム内更新日: 2023-01-04 02:41:51.920967
• Title: A Two-Stream Symmetric Network with Bidirectional Ensemble for Aerial Image Matching
• Title（参考訳）: 空中画像マッチングのための双方向アンサンブルを有する双方向対称ネットワーク
• Authors: Jae-Hyun Park, Woo-Jeoung Nam, Seong-Whan Lee
• Abstract要約: 本研究では,2ストリームの深層ネットワークを用いて異なる環境下で得られた2つの空中画像を正確にマッチングする手法を提案する。 ネットワークは、対象画像を内部的に増強することにより、3つの入力画像で2ストリームを考慮し、トレーニングにおける追加の強化ペアを反映する。
• 参考スコア（独自算出の注目度）: 24.089374888914143
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: In this paper, we propose a novel method to precisely match two aerial images that were obtained in different environments via a two-stream deep network. By internally augmenting the target image, the network considers the two-stream with the three input images and reflects the additional augmented pair in the training. As a result, the training process of the deep network is regularized and the network becomes robust for the variance of aerial images. Furthermore, we introduce an ensemble method that is based on the bidirectional network, which is motivated by the isomorphic nature of the geometric transformation. We obtain two global transformation parameters without any additional network or parameters, which alleviate asymmetric matching results and enable significant improvement in performance by fusing two outcomes. For the experiment, we adopt aerial images from Google Earth and the International Society for Photogrammetry and Remote Sensing (ISPRS). To quantitatively assess our result, we apply the probability of correct keypoints (PCK) metric, which measures the degree of matching. The qualitative and quantitative results show the sizable gap of performance compared to the conventional methods for matching the aerial images. All code and our trained model, as well as the dataset are available online.
• Abstract（参考訳）: 本稿では,2ストリームの深層ネットワークを用いて異なる環境下で得られた2つの空中画像を正確にマッチングする手法を提案する。 ネットワークは、対象画像を内部的に増強することにより、3つの入力画像で2ストリームを考慮し、トレーニングにおける追加の強化ペアを反映する。 その結果、深層ネットワークのトレーニングプロセスは規則化され、そのネットワークは空中画像のばらつきに対して堅牢になる。 さらに,幾何学的変換の同型性に動機付けられた双方向ネットワークに基づくアンサンブル手法を提案する。 ネットワークやパラメータが加わらない2つの大域的変換パラメータが得られ、非対称なマッチング結果が軽減され、2つの結果の融合により性能が大幅に向上する。 実験では,Google Earth と International Society for Photogrammetry and Remote Sensing (ISPRS) の航空画像を用いた。 その結果を定量的に評価するために、マッチングの度合いを測る正しいキーポイント(PCK)メトリックの確率を適用した。 定性的かつ定量的な結果は,従来の航空画像のマッチング方法と比較して,性能の差が大きいことを示している。 すべてのコードとトレーニングされたモデル、およびデータセットはオンラインで利用可能です。

関連論文リスト

• Deep Learning Based Speckle Filtering for Polarimetric SAR Images. Application to Sentinel-1 [51.404644401997736]
  本稿では、畳み込みニューラルネットワークを用いて偏光SAR画像のスペックルを除去するための完全なフレームワークを提案する。 実験により,提案手法はスペックル低減と分解能保存の両方において例外的な結果をもたらすことが示された。
  論文  参考訳（メタデータ） (2024-08-28T10:07:17Z)
• A Model-data-driven Network Embedding Multidimensional Features for Tomographic SAR Imaging [5.489791364472879]
  多次元特徴量に基づくトモSARイメージングを実現するためのモデルデータ駆動型ネットワークを提案する。 画像シーンの多次元的特徴を効果的に向上するために、2つの2次元処理モジュール(畳み込みエンコーダ-デコーダ構造)を追加します。 従来のCS-based FISTA法とDL-based gamma-Net法と比較して,提案手法は良好な画像精度を有しつつ,完全性を向上させる。
  論文  参考訳（メタデータ） (2022-11-28T02:01:43Z)
• Learning Contrastive Representation for Semantic Correspondence [150.29135856909477]
  セマンティックマッチングのためのマルチレベルコントラスト学習手法を提案する。 画像レベルのコントラスト学習は、畳み込み特徴が類似したオブジェクト間の対応を見出すための鍵となる要素であることを示す。
  論文  参考訳（メタデータ） (2021-09-22T18:34:14Z)
• Precise Aerial Image Matching based on Deep Homography Estimation [21.948001630564363]
  本研究では,2つの空中画像に精度よく一致する深部ホモグラフィアライメントネットワークを提案する。 提案するネットワークは、より高い自由度でマッチングネットワークをトレーニングすることができる。 本稿では,学習が難しいホモグラフィ推定ネットワークを効果的に学習する手法を提案する。
  論文  参考訳（メタデータ） (2021-07-19T11:52:52Z)
• DFM: A Performance Baseline for Deep Feature Matching [10.014010310188821]
  提案手法では,事前学習したVGGアーキテクチャを特徴抽出器として使用し,マッチングを改善するために追加の訓練を必要としない。 提案アルゴリズムは,Hpatchesデータセット上で,平均マッチング精度(MMA)で0.57と0.80のスコアをそれぞれ1ピクセル,2ピクセルの閾値で達成する。
  論文  参考訳（メタデータ） (2021-06-14T22:55:06Z)
• Leveraging Spatial and Photometric Context for Calibrated Non-Lambertian Photometric Stereo [61.6260594326246]
  空間と測光の両方を同時に活用できる効率的な完全畳み込みアーキテクチャを提案する。 分離可能な4D畳み込みと2D熱マップを使うことで、サイズが小さくなり、効率が向上する。
  論文  参考訳（メタデータ） (2021-03-22T18:06:58Z)
• Towards Unsupervised Deep Image Enhancement with Generative Adversarial Network [92.01145655155374]
  監視されていない画像強調生成ネットワーク(UEGAN)を提案する。 教師なしの方法で所望の特性を持つ画像の集合から、対応する画像と画像のマッピングを学習する。 その結果,提案モデルは画像の美的品質を効果的に向上することがわかった。
  論文  参考訳（メタデータ） (2020-12-30T03:22:46Z)
• Rotation Invariant Aerial Image Retrieval with Group Convolutional Metric Learning [21.89786914625517]
  本稿では,グループ畳み込みとアテンション機構とメトリック学習を組み合わせることで,航空画像を取得する新しい手法を提案する。 その結果,提案手法の性能は,ローテーション環境とオリジナル環境の両方において,他の最先端の検索手法を上回ることがわかった。
  論文  参考訳（メタデータ） (2020-10-19T04:12:36Z)
• Two-shot Spatially-varying BRDF and Shape Estimation [89.29020624201708]
  形状とSVBRDFを段階的に推定した新しいディープラーニングアーキテクチャを提案する。 ドメインランダム化された幾何学と現実的な材料を用いた大規模合成学習データセットを作成する。 合成データセットと実世界のデータセットの両方の実験により、合成データセットでトレーニングされたネットワークが、実世界の画像に対してうまく一般化できることが示されている。
  論文  参考訳（メタデータ） (2020-04-01T12:56:13Z)
• An End-to-End Network for Co-Saliency Detection in One Single Image [47.35448093528382]
  単一の画像内の共分散検出は、まだ十分に対処されていない一般的な視覚問題である。 本研究では、バックボーンネットと2つの分岐ネットからなる新しいエンドツーエンドのトレーニングネットワークを提案する。 本研究では,2,019個の自然画像のデータセットを各画像に共分散して構築し,提案手法の評価を行う。
  論文  参考訳（メタデータ） (2019-10-25T16:00:44Z)

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。