論文の概要: From W-Net to CDGAN: Bi-temporal Change Detection via Deep Learning Techniques

• arxiv url: http://arxiv.org/abs/2003.06583v1
• Date: Sat, 14 Mar 2020 09:24:08 GMT
• ステータス: 処理完了
• システム内更新日: 2022-12-23 20:29:07.076111
• Title: From W-Net to CDGAN: Bi-temporal Change Detection via Deep Learning Techniques
• Title（参考訳）: W-NetからCDGAN:ディープラーニング技術によるバイテンポラル変化検出
• Authors: Bin Hou, Qingjie Liu, Heng Wang, and Yunhong Wang
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 43.58400031452662
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Traditional change detection methods usually follow the image differencing, change feature extraction and classification framework, and their performance is limited by such simple image domain differencing and also the hand-crafted features. Recently, the success of deep convolutional neural networks (CNNs) has widely spread across the whole field of computer vision for their powerful representation abilities. In this paper, we therefore address the remote sensing image change detection problem with deep learning techniques. We firstly propose an end-to-end dual-branch architecture, termed as the W-Net, with each branch taking as input one of the two bi-temporal images as in the traditional change detection models. In this way, CNN features with more powerful representative abilities can be obtained to boost the final detection performance. Also, W-Net performs differencing in the feature domain rather than in the traditional image domain, which greatly alleviates loss of useful information for determining the changes. Furthermore, by reformulating change detection as an image translation problem, we apply the recently popular Generative Adversarial Network (GAN) in which our W-Net serves as the Generator, leading to a new GAN architecture for change detection which we call CDGAN. To train our networks and also facilitate future research, we construct a large scale dataset by collecting images from Google Earth and provide carefully manually annotated ground truths. Experiments show that our proposed methods can provide fine-grained change detection results superior to the existing state-of-the-art baselines.
• Abstract（参考訳）: 従来の変化検出手法は通常、画像の差分、特徴抽出、分類の枠組みに従っており、その性能はそのような単純な画像領域の差分と手作りの特徴によって制限される。 近年、深層畳み込みニューラルネットワーク(cnns)の成功は、その強力な表現能力のためにコンピュータビジョンの分野全体に広く広まっている。 そこで本稿では,深層学習技術を用いてリモートセンシング画像変化検出問題に対処する。 まず、従来の変更検出モデルのように、各ブランチを2つのバイテンポラルイメージの1つとして、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する。 このようにして、より強力な代表能力を持つCNN特徴が得られ、最終検出性能が向上する。 また、w-netは従来のイメージドメインではなく、機能ドメインで異なる処理を行い、変更を決定するための有用な情報の損失を大幅に軽減します。 さらに、画像翻訳問題として変化検出を再構成することにより、最近のW-Netがジェネレータとして機能するGAN(Generative Adversarial Network)を適用し、CDGANと呼ぶ変更検出のための新しいGANアーキテクチャを実現する。 ネットワークをトレーニングし、将来の研究を促進するために、google earthから画像を収集し、慎重に注釈付き地上真理を提供する、大規模なデータセットを構築します。 実験により,提案手法は既存のベースラインよりもきめ細かい変化検出結果を提供できることを示した。

関連論文リスト

• ChangeBind: A Hybrid Change Encoder for Remote Sensing Change Detection [16.62779899494721]
  変化検出(CD)は、異なる時刻スタンプで同じ地理的領域間の意味的変化を検出することを目的とした、リモートセンシング(RS)の基本課題である。 本稿では,バイテンポラルRS画像における意味変化をエンコードする,効果的なSiameseベースのフレームワークを提案する。
  論文  参考訳（メタデータ） (2024-04-26T17:47:14Z)
• Change Guiding Network: Incorporating Change Prior to Guide Change Detection in Remote Sensing Imagery [6.5026098921977145]
  本研究では,変化特徴の表現問題に対処するためにCGNet(Change Guiding Network)を設計する。 CGNetは、マルチスケール機能融合を導くために、リッチなセマンティック情報を持つ変更マップを生成する。 Change Guide Module (CGM) と呼ばれる自己保持モジュールは、画素間の長距離依存を効果的に捉えることができる。
  論文  参考訳（メタデータ） (2024-04-14T08:09:33Z)
• ELGC-Net: Efficient Local-Global Context Aggregation for Remote Sensing Change Detection [65.59969454655996]
  本稿では,変化領域を正確に推定するために,リッチな文脈情報を利用する効率的な変化検出フレームワークELGC-Netを提案する。 提案するELGC-Netは、リモートセンシング変更検出ベンチマークにおいて、最先端の性能を新たに設定する。 また,ELGC-Net-LWも導入した。
  論文  参考訳（メタデータ） (2024-03-26T17:46:25Z)
• TransY-Net:Learning Fully Transformer Networks for Change Detection of Remote Sensing Images [64.63004710817239]
  リモートセンシング画像CDのためのトランスフォーマーベース学習フレームワークTransY-Netを提案する。 グローバルな視点からの特徴抽出を改善し、ピラミッド方式で多段階の視覚的特徴を組み合わせる。 提案手法は,4つの光学式および2つのSAR画像CDベンチマーク上での最先端性能を実現する。
  論文  参考訳（メタデータ） (2023-10-22T07:42:19Z)
• VcT: Visual change Transformer for Remote Sensing Image Change Detection [16.778418602705287]
  本稿では,視覚変化検出問題に対する新しい視覚変化変換器(VcT)モデルを提案する。 トップKの信頼できるトークンは、クラスタリングアルゴリズムを使用してマップからマイニングし、洗練することができる。 複数のベンチマークデータセットに対する大規模な実験により,提案したVcTモデルの有効性が検証された。
  論文  参考訳（メタデータ） (2023-10-17T17:25:31Z)
• 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)
• 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)
• D-Unet: A Dual-encoder U-Net for Image Splicing Forgery Detection and Localization [108.8592577019391]
  画像スプライシング偽造検出は、画像指紋によって改ざんされた領域と非改ざんされた領域を区別するグローバルバイナリ分類タスクである。 画像スプライシングフォージェリ検出のためのデュアルエンコーダU-Net(D-Unet)という,固定されていないエンコーダと固定エンコーダを用いた新しいネットワークを提案する。 D-Unetと最先端技術の比較実験において、D-Unetは画像レベルおよび画素レベルの検出において他の手法よりも優れていた。
  論文  参考訳（メタデータ） (2020-12-03T10:54:02Z)
• Unsupervised Change Detection in Satellite Images with Generative Adversarial Network [20.81970476609318]
  本稿では,GAN(Generative Adversarial Network)を用いた新たな変更検出フレームワークを提案する。 最適化されたGANモデルは、変更を容易に発見できる良質なコアギスター画像を生成し、その後、比較戦略を通じて変更マップを提示する。
  論文  参考訳（メタデータ） (2020-09-08T10:26:04Z)
• Ventral-Dorsal Neural Networks: Object Detection via Selective Attention [51.79577908317031]
  我々はVDNet(Ventral-Dorsal Networks)と呼ばれる新しいフレームワークを提案する。 人間の視覚システムの構造にインスパイアされた我々は「Ventral Network」と「Dorsal Network」の統合を提案する。 実験の結果,提案手法は最先端の物体検出手法よりも優れていることがわかった。
  論文  参考訳（メタデータ） (2020-05-15T23:57:36Z)

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。