Fugu-MT 論文翻訳(概要): Detecting Urban Dynamics Using Deep Siamese Convolutional Neural Networks

論文の概要: Detecting Urban Dynamics Using Deep Siamese Convolutional Neural Networks

arxiv url: http://arxiv.org/abs/2008.04829v1
Date: Tue, 11 Aug 2020 16:20:11 GMT
ステータス: 処理完了
システム内更新日: 2022-10-31 12:19:52.741502
Title: Detecting Urban Dynamics Using Deep Siamese Convolutional Neural Networks
Title（参考訳）: 深層シアム畳み込みニューラルネットワークによる都市ダイナミクスの検出
Authors: Ephrem Admasu Yekun, Petros Reda Samsom
Abstract要約: コンボリューションニューラルネットワーク (CNN) の変種を開発し, 異なるタイミングで捉えたMekelle市のSentinel-2時間画像から特徴を抽出する。提案手法の総合的精度(95.8)、カッパ測度(72.5)、リコール(76.5)、精度(77.7)、F1測度(77.1)で測定した。このモデルはこれらの指標のほとんどにおいて優れた性能を発揮しており、都市化中の異なる時間帯でメケルや他の都市の変化を検出するのに利用できる。
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: Change detection is a fast-growing discipline in the areas of computer vision and remote sensing. In this work, we designed and developed a variant of convolutional neural network (CNN), known as Siamese CNN to extract features from pairs of Sentinel-2 temporal images of Mekelle city captured at different times and detect changes due to urbanization: buildings and roads. The detection capability of the proposed was measured in terms of overall accuracy (95.8), Kappa measure (72.5), recall (76.5), precision (77.7), F1 measure (77.1). The model has achieved a good performance in terms of most of these measures and can be used to detect changes in Mekelle and other cities at different time horizons undergoing urbanization.
Abstract（参考訳）: 変化検出はコンピュータビジョンとリモートセンシングの分野で急速に成長している分野である。本研究では,都市化に伴う変化(建物や道路など)を検出するため,異なるタイミングで捉えたMekelle市のセンチネル2時間像から特徴を抽出する,シメセCNNと呼ばれる畳み込みニューラルネットワーク(CNN)を設計・開発した。提案手法は, 総合的精度 (95.8), カッパ尺度 (72.5), リコール (76.5), 精度 (77.7), f1尺度 (77.1) で測定した。このモデルはこれらの指標の大部分が優れた性能を示しており、都市化中の異なる時間帯でメケルや他の都市の変化を検出するのに利用できる。

関連論文リスト

A Mamba-based Siamese Network for Remote Sensing Change Detection [27.200043694866388]
リモートセンシング画像における変化検出は、異なるタイミングで領域を解析するための重要なツールである。 CNNやTransformerといったディープラーニングの手法は、大きな変化を検出することに成功しています。本研究では,関心領域をよりよく分割するマンバ型変化検出器(M-CD)を提案する。
論文参考訳（メタデータ） (2024-07-08T17:05:48Z)
Continuous Urban Change Detection from Satellite Image Time Series with Temporal Feature Refinement and Multi-Task Integration [5.095834019284525]
都市化は前例のない速度で進行し、環境と人間の幸福に悪影響を及ぼす。深層学習に基づく手法は,光衛星画像対による都市変化検出の有望な成果を得た。本稿では,衛星画像時系列の連続した画像対の変化を識別する連続都市変化検出手法を提案する。
論文参考訳（メタデータ） (2024-06-25T10:53:57Z)
Semantic Segmentation of Radar Detections using Convolutions on Point Clouds [59.45414406974091]
本稿では,レーダ検出を点雲に展開する深層学習手法を提案する。このアルゴリズムは、距離依存クラスタリングと入力点雲の事前処理により、レーダ固有の特性に適応する。我々のネットワークは、レーダポイント雲のセマンティックセグメンテーションのタスクにおいて、PointNet++に基づく最先端のアプローチよりも優れています。
論文参考訳（メタデータ） (2023-05-22T07:09:35Z)
Detecting train driveshaft damages using accelerometer signals and Differential Convolutional Neural Networks [67.60224656603823]
本稿では,高度2次元畳み込みニューラルネットワーク(CNN)アーキテクチャに基づく鉄道軸状態監視システムの開発を提案する。その結果,鉄道軸受振動信号を時間周波数領域表現,すなわち分光図に変換し,そのひび割れに応じて2次元CNNを訓練する。
論文参考訳（メタデータ） (2022-11-15T15:04:06Z)
Multi-Target Tracking with Transferable Convolutional Neural Networks [96.00428692404354]
マルチターゲットトラッキングに対処するための畳み込みニューラルネットワークアーキテクチャを提案する。ターゲット状態とセンサ計測を画像として表現し,画像から画像への予測タスクとして再放送する。実際に提案した転送可能なCNNアーキテクチャは、MTTタスクのランダム有限集合フィルタを10のターゲットで上回り、250のターゲットで29%の性能改善を施したMTTタスクに再トレーニングすることなく転送を行う。
論文参考訳（メタデータ） (2022-10-27T15:29:34Z)
Urban Change Forecasting from Satellite Images [19.295591881943775]
本稿では,この課題を,ディープニューラルネットワークと独自の事前学習手法を用いて達成する手法を提案する。提案手法は,ImageNetデータセットを用いた従来の事前学習よりも一貫して優れていることを示す。また、変更が発生すると事前に予測できることも示しています。
論文参考訳（メタデータ） (2022-04-27T12:22:20Z)
Urban Change Detection Using a Dual-Task Siamese Network and Semi-Supervised Learning [0.0]
両時間画像ペアからの都市変化検出を改善するための半教師付き学習(SSL)法について紹介した。提案手法では,差分デコーダによる変化を予測できるDual-Task Siamese Different Networkを適用した。
論文参考訳（メタデータ） (2022-04-26T10:12:07Z)
City-scale Scene Change Detection using Point Clouds [71.73273007900717]
2つの異なる時間にカメラを設置して撮影した画像を用いて都市の構造変化を検出する手法を提案する。変化検出のための2点雲の直接比較は、不正確な位置情報のため理想的ではない。この問題を回避するために,ポイントクラウド上での深層学習に基づく非厳密な登録を提案する。提案手法は,視点や照明の違いがあっても,シーン変化を効果的に検出できることを示す。
論文参考訳（メタデータ） (2021-03-26T08:04:13Z)
Safety-Oriented Pedestrian Motion and Scene Occupancy Forecasting [91.69900691029908]
我々は、個々の動きとシーン占有マップの両方を予測することを提唱する。歩行者の相対的な空間情報を保存するScene-Actor Graph Neural Network (SA-GNN)を提案する。 2つの大規模な実世界のデータセットで、我々のシーン占有率予測が最先端のモーション予測手法よりも正確でより校正されていることを示した。
論文参考訳（メタデータ） (2021-01-07T06:08:21Z)
EvoPose2D: Pushing the Boundaries of 2D Human Pose Estimation using Accelerated Neuroevolution with Weight Transfer [82.28607779710066]
生物進化にインスパイアされたニューラル・アーキテクチャー・サーチの一形態であるニューラル・エボリューションの2次元ヒューマン・ポーズ・ネットワークの設計への応用について検討する。本手法は,最先端の手設計ネットワークよりも効率的かつ高精度なネットワーク設計を実現する。
論文参考訳（メタデータ） (2020-11-17T05:56:16Z)
Cross-Sensor Adversarial Domain Adaptation of Landsat-8 and Proba-V images for Cloud Detection [1.5828697880068703]
同様の特徴を持つ光学センサーを搭載した地球観測衛星の数は、常に増え続けている。抽出された放射能の差は精度を著しく低下させ、センサー間の知識と情報共有を損なう。本稿では,2つの衛星センサ間の画像の統計的差異を低減し,転送学習モデルの性能を向上させるための領域適応を提案する。
論文参考訳（メタデータ） (2020-06-10T16:16:01Z)

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。