論文の概要: Remote Sensing Image Scene Classification with Deep Neural Networks in JPEG 2000 Compressed Domain

• arxiv url: http://arxiv.org/abs/2006.11529v2
• Date: Tue, 15 Dec 2020 17:23:15 GMT
• ステータス: 処理完了
• システム内更新日: 2022-11-18 22:37:11.657755
• Title: Remote Sensing Image Scene Classification with Deep Neural Networks in JPEG 2000 Compressed Domain
• Title（参考訳）: JPEG 2000圧縮領域におけるディープニューラルネットワークを用いたリモートセンシング画像シーン分類
• Authors: Akshara Preethy Byju, Gencer Sumbul, Beg\"um Demir, Lorenzo Bruzzone
• Abstract要約: ディープニューラルネットワーク(DNN)を用いた既存のシーン分類アプローチでは、画像を完全に圧縮する必要がある。 JPEG 2000圧縮RS画像におけるシーン分類を実現するための新しい手法を提案する。
• 参考スコア（独自算出の注目度）: 8.296684637620553
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: To reduce the storage requirements, remote sensing (RS) images are usually stored in compressed format. Existing scene classification approaches using deep neural networks (DNNs) require to fully decompress the images, which is a computationally demanding task in operational applications. To address this issue, in this paper we propose a novel approach to achieve scene classification in JPEG 2000 compressed RS images. The proposed approach consists of two main steps: i) approximation of the finer resolution sub-bands of reversible biorthogonal wavelet filters used in JPEG 2000; and ii) characterization of the high-level semantic content of approximated wavelet sub-bands and scene classification based on the learnt descriptors. This is achieved by taking codestreams associated with the coarsest resolution wavelet sub-band as input to approximate finer resolution sub-bands using a number of transposed convolutional layers. Then, a series of convolutional layers models the high-level semantic content of the approximated wavelet sub-band. Thus, the proposed approach models the multiresolution paradigm given in the JPEG 2000 compression algorithm in an end-to-end trainable unified neural network. In the classification stage, the proposed approach takes only the coarsest resolution wavelet sub-bands as input, thereby reducing the time required to apply decoding. Experimental results performed on two benchmark aerial image archives demonstrate that the proposed approach significantly reduces the computational time with similar classification accuracies when compared to traditional RS scene classification approaches (which requires full image decompression).
• Abstract（参考訳）: ストレージの要求を減らすため、リモートセンシング(RS)画像は通常圧縮形式で保存される。 ディープニューラルネットワーク(DNN)を用いた既存のシーン分類アプローチでは、運用アプリケーションで計算に要求されるタスクである画像を完全に圧縮する必要がある。 本稿では,JPEG 2000圧縮RS画像におけるシーン分類を実現するための新しい手法を提案する。 提案手法は,2つの主要なステップから構成される。 i)jpeg 2000で使用される可逆性バイオ正方形ウェーブレットフィルタの分解能サブバンドの近似 二 学習記述子に基づく近似ウェーブレットサブバンドの高レベル意味コンテンツのキャラクタリゼーション及びシーン分類 これは、粗い解像度ウェーブレットサブバンドに付随するコードストリームを入力として取り、多数の変換畳み込み層を用いて、より微細な解像度サブバンドを近似することで実現される。 次に、一連の畳み込み層が近似ウェーブレットサブバンドの高レベルなセマンティックコンテンツをモデル化する。 そこで,提案手法は,エンドツーエンドの学習可能な統一ニューラルネットワークにおけるjpeg 2000圧縮アルゴリズムのマルチレゾリューションパラダイムをモデル化する。 分類段階において,提案手法は粗大分解能ウェーブレットサブバンドのみを入力とし,復号化に要する時間を短縮する。 2つのベンチマーク航空画像アーカイブで行った実験結果から,提案手法は従来のRSシーン分類手法と比較して,類似の分類精度で計算時間を著しく短縮することを示した。

関連論文リスト

• Neural Network Assisted Lifting Steps For Improved Fully Scalable Lossy Image Compression in JPEG 2000 [14.473452842448737]
  本研究は,従来のウェーブレット変換の昇降ステップを,ニューラルネットワークによる昇降ステップを追加することを提案する。 提案手法は、ハイ・ツー・ロー・ステップとロー・ツー・ハイ・ステップの2段階を含む。 JPEG 2000画像符号化標準に提案手法を適用することで,平均BDビットレートを最大17.4%削減できる。
  論文  参考訳（メタデータ） (2024-03-04T00:01:52Z)
• Beyond Learned Metadata-based Raw Image Reconstruction [86.1667769209103]
  生画像は、線形性や微細な量子化レベルなど、sRGB画像に対して明確な利点がある。 ストレージの要求が大きいため、一般ユーザからは広く採用されていない。 本稿では,メタデータとして,潜在空間におけるコンパクトな表現を学習する新しいフレームワークを提案する。
  論文  参考訳（メタデータ） (2023-06-21T06:59:07Z)
• Cascaded Cross-Attention Networks for Data-Efficient Whole-Slide Image Classification Using Transformers [0.11219061154635457]
  全スライディングイメージングは、組織標本の高解像度画像のキャプチャとデジタル化を可能にする。 高解像度情報を効果的に活用するための候補としてトランスフォーマーアーキテクチャが提案されている。 本稿では,抽出されたパッチ数と線形にスケールするクロスアテンション機構に基づく新しいカスケード型クロスアテンションネットワーク(CCAN)を提案する。
  論文  参考訳（メタデータ） (2023-05-11T16:42:24Z)
• CADyQ: Content-Aware Dynamic Quantization for Image Super-Resolution [55.50793823060282]
  本稿では,画像超解像(SR)ネットワークのための新しいコンテント・アウェア・ダイナミック量子化(CADyQ)手法を提案する。 CADyQは、入力画像のローカル内容に基づいて、局所領域と層に最適なビットを適応的に割り当てる。 パイプラインは様々なSRネットワークでテストされ、いくつかの標準ベンチマークで評価されている。
  論文  参考訳（メタデータ） (2022-07-21T07:50:50Z)
• Hyperspectral Band Selection for Multispectral Image Classification with Convolutional Networks [0.0]
  ハイパースペクトル画像から波長の減少したセットを選択するための新しいバンド選択法を提案する。 本手法により,マルチスペクトルセンサの設計に適した結果が得られることを示す。
  論文  参考訳（メタデータ） (2021-06-01T17:24:35Z)
• Hierarchical Convolutional Neural Network with Feature Preservation and Autotuned Thresholding for Crack Detection [5.735035463793008]
  ドローンの画像はインフラ表面の欠陥の自動検査にますます使われている。 本稿では,階層型畳み込みニューラルネットワークを用いた深層学習手法を提案する。 提案手法は, 道路, 橋, 舗装の表面ひび割れの同定に応用されている。
  論文  参考訳（メタデータ） (2021-04-21T13:07:58Z)
• Deep Unfolded Recovery of Sub-Nyquist Sampled Ultrasound Image [94.42139459221784]
  本稿では,ISTAアルゴリズムの展開に基づく時空間領域におけるサブNyquistサンプルからの再構成手法を提案する。 本手法は,高品質な撮像性能を確保しつつ,配列要素数,サンプリングレート,計算時間を削減できる。
  論文  参考訳（メタデータ） (2021-03-01T19:19:38Z)
• Set Based Stochastic Subsampling [85.5331107565578]
  本稿では,2段階間ニューラルサブサンプリングモデルを提案する。 画像分類,画像再構成,機能再構築,少数ショット分類など,様々なタスクにおいて,低いサブサンプリング率で関連ベースラインを上回っていることを示す。
  論文  参考訳（メタデータ） (2020-06-25T07:36:47Z)
• The Power of Triply Complementary Priors for Image Compressive Sensing [89.14144796591685]
  本稿では,一対の相補的な旅先を含むLRD画像モデルを提案する。 次に、画像CSのためのRDモデルに基づく新しいハイブリッド・プラグイン・アンド・プレイ・フレームワークを提案する。 そこで,提案したH-based image CS問題の解法として,単純で効果的なアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2020-05-16T08:17:44Z)
• A Generic Network Compression Framework for Sequential Recommender Systems [71.81962915192022]
  シークエンシャルレコメンデーションシステム(SRS)は,ユーザの動的関心を捉え,高品質なレコメンデーションを生成する上で重要な技術となっている。 CpRecと呼ばれる圧縮されたシーケンシャルレコメンデーションフレームワークを提案する。 大規模なアブレーション研究により、提案したCpRecは実世界のSRSデータセットにおいて最大4$sim$8倍の圧縮速度を達成できることを示した。
  論文  参考訳（メタデータ） (2020-04-21T08:40:55Z)

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。