Fugu-MT 論文翻訳(概要): Spatial Resolution Enhancement of Remote Sensing Mine Images using Deep Learning Techniques

論文の概要: Spatial Resolution Enhancement of Remote Sensing Mine Images using Deep Learning Techniques

arxiv url: http://arxiv.org/abs/2007.08791v1
Date: Fri, 17 Jul 2020 07:30:13 GMT
ステータス: 処理完了
システム内更新日: 2022-11-09 14:50:33.455601
Title: Spatial Resolution Enhancement of Remote Sensing Mine Images using Deep Learning Techniques
Title（参考訳）: 深層学習技術を用いたリモートセンシング地雷画像の空間分解能向上
Authors: E. Zioga, A. Panagiotopoulou, M. Stefouli, E. Charou, L. Grammatikopoulos, E. Bratsolis, N. Madamopoulos
Abstract要約: 深層学習技術は、ギリシャのプトレマイダにあるアミルンテ鉱山を描写したセンチネル2衛星画像の空間分解能を高めるために応用された。
参考スコア（独自算出の注目度）: 0.0
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Deep learning techniques are applied so as to increase the spatial resolution of Sentinel2 satellite imagery, depicting the Amynteo lignite mine in Ptolemaida, Greece. Resolution enhancement by factors 2 and 4 as well as by factors 2 and 6 using Very-Deep SuperResolution (VDSR) and DSen2 networks, respectively, provides fairly well results on Amynteo lignite mine images.
Abstract（参考訳）: 深層学習技術は、ギリシャのプトレマイダにあるアミルンテ鉱山を描写したセンチネル2衛星画像の空間分解能を高めるために応用される。 Very-Deep SuperResolution (VDSR) と DSen2 を用いた2因子と6因子による分解能増強は, Amynteo Lignite の地雷画像に対して良好な結果をもたらす。

関連論文リスト

Enhancing Sentinel-2 Image Resolution: Evaluating Advanced Techniques based on Convolutional and Generative Neural Networks [44.99833362998488]
本稿では,高分解能化技術を用いてスペクトル情報を含むセンチネル2バンドにおける空間分解能の2。最先端CNNモデルは、品質と実現可能性の観点から強化されたGANアプローチと比較される。 GANベースのモデルは、明瞭で詳細な画像を提供するだけでなく、定量的評価の観点からも優れた性能を示す。
論文参考訳（メタデータ） (2024-10-01T08:56:46Z)
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)
SaccadeDet: A Novel Dual-Stage Architecture for Rapid and Accurate Detection in Gigapixel Images [50.742420049839474]
SaccadeDetは、人間の目の動きにインスパイアされた、ギガピクセルレベルの物体検出のための革新的なアーキテクチャである。 PANDAデータセットを用いて評価した本手法は,最先端手法の8倍の高速化を実現する。また、全スライドイメージングへの応用を通じて、ギガピクセルレベルの病理解析に有意な可能性を示す。
論文参考訳（メタデータ） (2024-07-25T11:22:54Z)
Learning based Deep Disentangling Light Field Reconstruction and Disparity Estimation Application [1.5603081929496316]
本稿では,光電界拡散機構の原理を継承し,高度なネットワーク構造を付加するDeep Disentangling Mechanismを提案する。本研究では,DDASR(Deep Disentangling Mechanism)に基づく光電場再構成ネットワークを設計し,実験においてSOTAの性能を実現する。
論文参考訳（メタデータ） (2023-11-14T12:48:17Z)
Exploring Deep Learning Image Super-Resolution for Iris Recognition [50.43429968821899]
重畳自動エンコーダ(SAE)と畳み込みニューラルネットワーク(CNN)の2つの深層学習単一画像超解法手法を提案する。精度評価と認識実験により,1.872個の近赤外虹彩画像のデータベースを用いて評価を行い,比較アルゴリズムよりも深層学習の方が優れていることを示す。
論文参考訳（メタデータ） (2023-11-02T13:57:48Z)
Passive superresolution imaging of incoherent objects [63.942632088208505]
手法は、Hermite-Gaussianモードとその重ね合わせのオーバーコンプリートベースで、画像平面内のフィールドの空間モード成分を測定することで構成される。ディープニューラルネットワークは、これらの測定からオブジェクトを再構築するために使用される。
論文参考訳（メタデータ） (2023-04-19T15:53:09Z)
Learning-based Framework for US Signals Super-resolution [0.0]
得られた低解像度画像を視覚的手法でアップサンプリングする。次に、アップサンプリングの品質を改善するために、学習ベースのモデルをトレーニングします。提案手法を2次元ビデオの空間超解像に適用する。
論文参考訳（メタデータ） (2023-04-17T15:17:51Z)
Very Low-Resolution Iris Recognition Via Eigen-Patch Super-Resolution and Matcher Fusion [69.53542497693086]
局所像パッチの固有変換に基づいて虹彩画像の再構成に用いる超解像アルゴリズムの評価を行った。コントラストの強化は再現性を向上させるのに用いられ、マーカ融合は虹彩認識性能を改善するために採用されている。
論文参考訳（メタデータ） (2022-10-18T11:25:19Z)
Multi-Scale Progressive Fusion Learning for Depth Map Super-Resolution [11.072332820377612]
深度カメラが収集する深度マップの解像度は、RGBカメラの解像度よりも低いことが多い。深度マップの超解法における大きな問題は、明らかにギザギザと細部が過剰に失われることである。本稿では,各領域に階層的特徴を統合する構造を持つ深度マップSRのためのマルチスケールプログレッシブ・フュージョン・ネットワークを提案する。
論文参考訳（メタデータ） (2020-11-24T03:03:07Z)
Channel Attention based Iterative Residual Learning for Depth Map Super-Resolution [58.626803922196146]
我々は、合成データセットで訓練されたDSRモデルは制限的であり、実世界のDSRタスクを扱うのに有効ではないと論じる。我々は、異なる深度センサの現実世界の劣化に対処するために2つの貢献をしている。 4つのモジュールからなる実世界のDSRのための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） (2020-06-02T09:12:23Z)

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。