論文の概要: Contrast-weighted Dictionary Learning Based Saliency Detection for Remote Sensing Images

• arxiv url: http://arxiv.org/abs/2004.02428v2
• Date: Sun, 10 May 2020 07:10:02 GMT
• ステータス: 処理完了
• システム内更新日: 2022-12-16 06:54:48.740538
• Title: Contrast-weighted Dictionary Learning Based Saliency Detection for Remote Sensing Images
• Title（参考訳）: コントラスト強調辞書学習に基づくリモートセンシング画像の塩分検出
• Authors: Zhou Huang, Huai-Xin Chen, Tao Zhou, Yun-Zhi Yang, Chang-Yin Wang and Bi-Yuan Liu
• Abstract要約: 本稿では,リモートセンシング画像に対するコントラスト重み付き辞書学習(CDL)に基づく新しい唾液度検出モデルを提案する。 具体的には、正と負のサンプルから正と非正の原子を学習し、識別辞書を構築する。 提案手法を用いて, 識別辞書に基づいて, 種々の相補性マップを生成する。
• 参考スコア（独自算出の注目度）: 3.338193485961624
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Object detection is an important task in remote sensing image analysis. To reduce the computational complexity of redundant information and improve the efficiency of image processing, visual saliency models have been widely applied in this field. In this paper, a novel saliency detection model based on Contrast-weighted Dictionary Learning (CDL) is proposed for remote sensing images. Specifically, the proposed CDL learns salient and non-salient atoms from positive and negative samples to construct a discriminant dictionary, in which a contrast-weighted term is proposed to encourage the contrast-weighted patterns to be present in the learned salient dictionary while discouraging them from being present in the non-salient dictionary. Then, we measure the saliency by combining the coefficients of the sparse representation (SR) and reconstruction errors. Furthermore, by using the proposed joint saliency measure, a variety of saliency maps are generated based on the discriminant dictionary. Finally, a fusion method based on global gradient optimization is proposed to integrate multiple saliency maps. Experimental results on four datasets demonstrate that the proposed model outperforms other state-of-the-art methods.
• Abstract（参考訳）: 物体検出はリモートセンシング画像解析において重要なタスクである。 冗長情報の計算複雑性を低減し、画像処理の効率を向上させるため、この分野ではビジュアルサリエンシーモデルが広く適用されている。 本稿では,コントラスト重み付き辞書学習(cdl)に基づく,リモートセンシング画像のための新しい塩分検出モデルを提案する。 具体的には、正と負のサンプルから正と非塩分原子を学習し、非塩分辞書に存在しないことを防止しつつ、学習された塩分辞書にコントラスト重み付きパターンが存在することを奨励するために、コントラスト重み付き用語が提案されている。 次に、スパース表現(sr)の係数と再構成誤差を組み合わせることにより、サリエンシーを測定する。 さらに,提案手法を用いて,識別辞書に基づいて各種のサリエンシマップを生成する。 最後に、大域的勾配最適化に基づく融合法を提案し、複数の塩分マップを統合する。 4つのデータセットの実験結果は、提案モデルが他の最先端手法よりも優れていることを示している。

関連論文リスト

• Transformer-based Clipped Contrastive Quantization Learning for Unsupervised Image Retrieval [15.982022297570108]
  教師なし画像検索は、与えられたクエリ画像の類似画像を取得するために、任意のレベルなしに重要な視覚的特徴を学習することを目的としている。 本稿では,パッチベースの処理により局所的なコンテキストを持つTransformerを用いて,画像のグローバルコンテキストを符号化するTransClippedCLRモデルを提案する。 提案したクリップ付きコントラスト学習の結果は、バニラコントラスト学習と同一のバックボーンネットワークと比較して、すべてのデータセットで大幅に改善されている。
  論文  参考訳（メタデータ） (2024-01-27T09:39:11Z)
• A variational autoencoder-based nonnegative matrix factorisation model for deep dictionary learning [13.796655751448288]
  非負行列分解(NMF)を用いた辞書の構築は、信号処理や機械学習に広く応用されている。 可変オートエンコーダ(VAE)を用いて非負の辞書学習を行う確率的生成モデルを提案する。
  論文  参考訳（メタデータ） (2023-01-18T02:36:03Z)
• Deep Equilibrium Assisted Block Sparse Coding of Inter-dependent Signals: Application to Hyperspectral Imaging [71.57324258813675]
  相互依存信号のデータセットは、列が強い依存を示す行列として定義される。 ニューラルネットワークは、事前に構造として機能し、基礎となる信号相互依存性を明らかにするために使用される。 ディープ・アンローリングとディープ・平衡に基づくアルゴリズムが開発され、高度に解釈可能で簡潔なディープ・ラーニング・ベース・アーキテクチャを形成する。
  論文  参考訳（メタデータ） (2022-03-29T21:00:39Z)
• Dictionary learning for clustering on hyperspectral images [0.5584060970507506]
  本稿では,代表辞書から計算したスパース係数を特徴として,ハイパースペクトル画像の画素をクラスタリングする方法を提案する。 提案手法は,元のピクセルのクラスタリングよりも効果的に動作することを示す。
  論文  参考訳（メタデータ） (2022-02-02T12:22:33Z)
• Dictionary Learning with Uniform Sparse Representations for Anomaly Detection [2.277447144331876]
  本研究では,信号のデータセットにおける異常サンプルの検出において,辞書学習(DL)が果たす役割について検討する。 数値シミュレーションにより、この結果のサブスペースを効率よく利用し、正規データ点上の異常を識別できることが示されている。
  論文  参考訳（メタデータ） (2022-01-11T10:22:46Z)
• Bayesian Graph Contrastive Learning [55.36652660268726]
  本稿では,ランダムな拡張がエンコーダにつながることを示すグラフコントラスト学習手法の新たな視点を提案する。 提案手法は,各ノードを決定論的ベクトルに埋め込む既存の手法とは対照的に,各ノードを潜在空間の分布で表現する。 いくつかのベンチマークデータセットにおける既存の最先端手法と比較して,性能が大幅に向上したことを示す。
  論文  参考訳（メタデータ） (2021-12-15T01:45:32Z)
• Two-stage Visual Cues Enhancement Network for Referring Image Segmentation [89.49412325699537]
  Referring Image (RIS)は、ある自然言語表現によって参照される画像から対象のオブジェクトをセグメント化することを目的としている。 本稿では,2段階のビジュアルキュー拡張ネットワーク(TV-Net)を考案し,この問題に対処する。 この2段階の強化により,提案するTV-Netは,自然言語表現と画像間のきめ細かいマッチング動作の学習において,より優れた性能を享受できる。
  論文  参考訳（メタデータ） (2021-10-09T02:53:39Z)
• Deep learning based dictionary learning and tomographic image reconstruction [0.0]
  本研究は, 疎信号処理の原理と深層学習の考え方を組み合わせた低用量断層撮影における画像再構成手法を提案する。 まず、統計的観点からの辞書によるスパース信号表現と辞書学習を、生成モデルから真信号の実証的分布に現れる分布を整列する過程として解釈する。 その結果、学習辞書を用いたスパース符号化は、デコーダが線形関数であり、エンコーダがスパース符号化アルゴリズムである特定の変分オートエンコーダに類似していることが分かる。
  論文  参考訳（メタデータ） (2021-08-26T12:10:17Z)
• Object-aware Contrastive Learning for Debiased Scene Representation [74.30741492814327]
  オブジェクトを自己教師型でローカライズする,オブジェクト認識型コントラスト学習フレームワークを開発した。 また、コントラCAM、オブジェクト認識型乱作、背景混合に基づく2つのデータ拡張を導入し、コントラスト型自己教師型学習における文脈バイアスと背景バイアスを低減した。
  論文  参考訳（メタデータ） (2021-07-30T19:24:07Z)
• Blind Face Restoration via Deep Multi-scale Component Dictionaries [75.02640809505277]
  劣化した観測の復元過程をガイドするディープフェイス辞書ネットワーク(DFDNet)を提案する。 DFDNetは高品質な画像から知覚的に重要な顔成分のディープ辞書を生成する。 コンポーネントAdaINは、入力機能と辞書機能の間のスタイルの多様性を取り除くために利用される。
  論文  参考訳（メタデータ） (2020-08-02T07:02:07Z)
• Distilling Localization for Self-Supervised Representation Learning [82.79808902674282]
  コントラスト学習は教師なし表現学習に革命をもたらした。 現在のコントラストモデルでは、前景オブジェクトのローカライズには効果がない。 本稿では,背景変化を学習するためのデータ駆動型手法を提案する。
  論文  参考訳（メタデータ） (2020-04-14T16:29:42Z)

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。