論文の概要: Optimal Use of Multi-spectral Satellite Data with Convolutional Neural Networks

• arxiv url: http://arxiv.org/abs/2009.07000v1
• Date: Tue, 15 Sep 2020 11:55:45 GMT
• ステータス: 処理完了
• システム内更新日: 2022-10-18 05:47:34.053877
• Title: Optimal Use of Multi-spectral Satellite Data with Convolutional Neural Networks
• Title（参考訳）: 畳み込みニューラルネットワークを用いたマルチスペクトル衛星データの最適利用
• Authors: Sagar Vaze, James Foley, Mohamed Seddiq, Alexey Unagaev, Natalia Efremova
• Abstract要約: マルチバンド情報をCNNと比較する。 ドメインエキスパートが選択したバンドを使用する標準的な業界慣行は、他の方法よりもはるかにテスト精度が劣っていることを示す。
• 参考スコア（独自算出の注目度）: 0.8399688944263843
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The analysis of satellite imagery will prove a crucial tool in the pursuit of sustainable development. While Convolutional Neural Networks (CNNs) have made large gains in natural image analysis, their application to multi-spectral satellite images (wherein input images have a large number of channels) remains relatively unexplored. In this paper, we compare different methods of leveraging multi-band information with CNNs, demonstrating the performance of all compared methods on the task of semantic segmentation of agricultural vegetation (vineyards). We show that standard industry practice of using bands selected by a domain expert leads to a significantly worse test accuracy than the other methods compared. Specifically, we compare: using bands specified by an expert; using all available bands; learning attention maps over the input bands; and leveraging Bayesian optimisation to dictate band choice. We show that simply using all available band information already increases test time performance, and show that the Bayesian optimisation, first applied to band selection in this work, can be used to further boost accuracy.
• Abstract（参考訳）: 衛星画像の解析は持続可能な開発を追求する上で重要な道具となる。 畳み込みニューラルネットワーク(cnns)は自然画像解析において大きな進歩を遂げているが、そのマルチスペクトル衛星画像(入力画像が多数のチャネルを持つ)への応用は比較的未探査のままである。 本稿では,CNNとマルチバンド情報を利用する異なる手法を比較し,農作物のセマンティックセグメンテーション(ブドウ園)におけるすべての比較手法の性能を実証する。 ドメインエキスパートが選択したバンドを使用する標準的な業界慣行は、比較した他の方法よりもはるかにテスト精度が低下することを示す。 具体的には、専門家が指定したバンドの使用、利用可能なすべてのバンドの使用、入力バンド上の注意マップの学習、ベイズ最適化を活用してバンドの選択を決定する。 本研究では,すでに利用可能なすべてのバンド情報を使用することで,テスト時間性能が向上し,ベイズ最適化がまずバンド選択に適用され,精度を高めることができることを示す。

関連論文リスト

• SatSynth: Augmenting Image-Mask Pairs through Diffusion Models for Aerial Semantic Segmentation [69.42764583465508]
  我々は,地球観測における注釈付きデータの不足に対処するために,生成的画像拡散の可能性を探る。 我々の知る限りでは、衛星セグメンテーションのための画像と対応するマスクの両方を最初に生成する。
  論文  参考訳（メタデータ） (2024-03-25T10:30:22Z)
• Rethinking Transformers Pre-training for Multi-Spectral Satellite Imagery [78.43828998065071]
  教師なし学習の最近の進歩は、下流タスクにおける有望な結果を達成するための大きな視覚モデルの可能性を示している。 このような事前学習技術は、大量の未学習データが利用可能であることから、リモートセンシング領域でも最近研究されている。 本稿では,マルチモーダルで効果的に活用されるマルチスケール情報の事前学習と活用について述べる。
  論文  参考訳（メタデータ） (2024-03-08T16:18:04Z)
• Embedded Hyperspectral Band Selection with Adaptive Optimization for Image Semantic Segmentation [0.0]
  組込みソリューションを提供するハイパースペクトル帯選択のための先駆的アプローチを導入する。 提案手法は, 先行処理を必要とせず, 最適帯域の選択に優れる埋込みハイパースペクトル帯域選択(EHBS)である。 他のタスクへの我々のアプローチの適応性は、より広範なアプリケーションへの有望な道を開く。
  論文  参考訳（メタデータ） (2024-01-21T07:48:39Z)
• Semantic Segmentation of Vegetation in Remote Sensing Imagery Using Deep Learning [77.34726150561087]
  本稿では,公開されているリモートセンシングデータからなるマルチモーダル・大規模時間データセットを作成するためのアプローチを提案する。 我々は、異なる種類の植生を分離できる畳み込みニューラルネットワーク(CNN)モデルを使用する。
  論文  参考訳（メタデータ） (2022-09-28T18:51:59Z)
• SatMAE: Pre-training Transformers for Temporal and Multi-Spectral Satellite Imagery [74.82821342249039]
  Masked Autoencoder(MAE)に基づく時間・マルチスペクトル衛星画像の事前学習フレームワークであるSatMAEについて述べる。 時間的情報を活用するために、時間にわたって画像パッチを個別にマスキングする時間的埋め込みを含む。
  論文  参考訳（メタデータ） (2022-07-17T01:35:29Z)
• Self-supervised Audiovisual Representation Learning for Remote Sensing Data [96.23611272637943]
  遠隔センシングにおける深層ニューラルネットワークの事前学習のための自己教師型アプローチを提案する。 ジオタグ付きオーディオ記録とリモートセンシングの対応を利用して、これは完全にラベルなしの方法で行われる。 提案手法は,既存のリモートセンシング画像の事前学習方法よりも優れていることを示す。
  論文  参考訳（メタデータ） (2021-08-02T07:50:50Z)
• 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)
• Enhancing Photorealism Enhancement [83.88433283714461]
  本稿では,畳み込みネットワークを用いた合成画像のリアリズム向上手法を提案する。 一般的に使用されるデータセットのシーンレイアウトの分布を分析し、重要な方法で異なることを見つけます。 近年のイメージ・ツー・イメージ翻訳法と比較して,安定性とリアリズムの大幅な向上が報告されている。
  論文  参考訳（メタデータ） (2021-05-10T19:00:49Z)
• Super-resolution of multispectral satellite images using convolutional neural networks [0.0]
  本稿では,高分解能マルチスペクトルと高分解能パンシャーペン画像タイルのペアを用いた最先端CNNの訓練手法を提案する。 得られた品質指標は,処理した画像の情報内容を改善する方法を示している。
  論文  参考訳（メタデータ） (2020-02-03T07:06:36Z)

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。