論文の概要: Hierarchical Paired Channel Fusion Network for Street Scene Change Detection

• arxiv url: http://arxiv.org/abs/2010.09925v1
• Date: Mon, 19 Oct 2020 23:51:28 GMT
• ステータス: 処理完了
• システム内更新日: 2022-10-05 21:43:10.631330
• Title: Hierarchical Paired Channel Fusion Network for Street Scene Change Detection
• Title（参考訳）: ストリートシーン変化検出のための階層型チャネル融合ネットワーク
• Authors: Yinjie Lei and Duo Peng and Pingping Zhang and Qiuhong Ke and Haifeng Li
• Abstract要約: ストリートシーン変化検出(Street Scene Change Detection, SSCD)は、特定のストリートビューイメージペア間で異なる時間にキャプチャされた変化領域を特定することを目的としている。 本稿では,HPCFNet (Hierarchical Paired Channel Fusion Network) を提案する。 本フレームワークは,シーン変化領域のスケールと位置の多様性に適応する新しいアプローチを実現する。
• 参考スコア（独自算出の注目度）: 41.934290847053695
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Street Scene Change Detection (SSCD) aims to locate the changed regions between a given street-view image pair captured at different times, which is an important yet challenging task in the computer vision community. The intuitive way to solve the SSCD task is to fuse the extracted image feature pairs, and then directly measure the dissimilarity parts for producing a change map. Therefore, the key for the SSCD task is to design an effective feature fusion method that can improve the accuracy of the corresponding change maps. To this end, we present a novel Hierarchical Paired Channel Fusion Network (HPCFNet), which utilizes the adaptive fusion of paired feature channels. Specifically, the features of a given image pair are jointly extracted by a Siamese Convolutional Neural Network (SCNN) and hierarchically combined by exploring the fusion of channel pairs at multiple feature levels. In addition, based on the observation that the distribution of scene changes is diverse, we further propose a Multi-Part Feature Learning (MPFL) strategy to detect diverse changes. Based on the MPFL strategy, our framework achieves a novel approach to adapt to the scale and location diversities of the scene change regions. Extensive experiments on three public datasets (i.e., PCD, VL-CMU-CD and CDnet2014) demonstrate that the proposed framework achieves superior performance which outperforms other state-of-the-art methods with a considerable margin.
• Abstract（参考訳）: ストリートシーン変化検出(Street Scene Change Detection, SSCD)は、コンピュータビジョンコミュニティにおいて重要な課題である、特定のストリートビューイメージペア間の変化領域を特定することを目的としている。 SSCDタスクを解決する直感的な方法は、抽出した画像特徴対を融合し、変更マップを生成するための相似部分を直接測定することである。 したがって、sscdタスクの鍵は、対応する変更マップの精度を向上させる効果的な特徴融合法を設計することである。 この目的のために、ペアリングされた特徴チャネルの適応的融合を利用するHPCFNet(Hierarchical Paired Channel Fusion Network)を提案する。 具体的には、与えられた画像対の特徴をシームズ畳み込みニューラルネットワーク(SCNN)によって共同抽出し、複数の特徴レベルでチャネル対の融合を探索することにより階層的に組み合わせる。 また,シーン変化の分布が多様であることから,多様な変化を検出するための多部特徴学習(MPFL)戦略も提案する。 本手法は,MPFL戦略に基づいて,シーン変化領域のスケールと位置の多様性に適応するための新しいアプローチを実現する。 3つの公開データセット(PCD、VL-CMU-CD、CDnet2014)に対する大規模な実験は、提案フレームワークが優れた性能を達成し、最先端の手法よりもかなり優れたマージンを持つことを示した。

関連論文リスト

• Cross-Domain Separable Translation Network for Multimodal Image Change Detection [11.25422609271201]
  マルチモーダル変化検出(MCD)はリモートセンシングコミュニティにおいて特に重要である。 本稿では,MDDの課題,特に異なるセンサの画像を比較することの難しさに対処することに焦点を当てる。 これらの制限を克服するために、新しい教師なしクロスドメイン分離型翻訳ネットワーク(CSTN)が提案されている。
  論文  参考訳（メタデータ） (2024-07-23T03:56:02Z)
• ChangeBind: A Hybrid Change Encoder for Remote Sensing Change Detection [16.62779899494721]
  変化検出(CD)は、異なる時刻スタンプで同じ地理的領域間の意味的変化を検出することを目的とした、リモートセンシング(RS)の基本課題である。 本稿では,バイテンポラルRS画像における意味変化をエンコードする,効果的なSiameseベースのフレームワークを提案する。
  論文  参考訳（メタデータ） (2024-04-26T17:47:14Z)
• TransY-Net:Learning Fully Transformer Networks for Change Detection of Remote Sensing Images [64.63004710817239]
  リモートセンシング画像CDのためのトランスフォーマーベース学習フレームワークTransY-Netを提案する。 グローバルな視点からの特徴抽出を改善し、ピラミッド方式で多段階の視覚的特徴を組み合わせる。 提案手法は,4つの光学式および2つのSAR画像CDベンチマーク上での最先端性能を実現する。
  論文  参考訳（メタデータ） (2023-10-22T07:42:19Z)
• HCGMNET: A Hierarchical Change Guiding Map Network For Change Detection [32.23764287942984]
  我々は,変化検出のための階層的変化ガイドマップネットワーク(HCGMNet)を提案する。 このモデルは階層的畳み込み演算を用いてマルチスケールの特徴を抽出する。 提案したHCGMNetアーキテクチャは,既存の最先端(SOTA)CD手法よりも優れたCD性能を実現する。
  論文  参考訳（メタデータ） (2023-02-21T03:16:22Z)
• dual unet:a novel siamese network for change detection with cascade differential fusion [4.651756476458979]
  本稿では,変化検出タスク,すなわちDual-UNetのための新しいSiameseニューラルネットワークを提案する。 従来のバイテンポラル画像の符号化とは対照的に,画素の空間的差分関係に着目したエンコーダ差分アテンションモジュールを設計する。 実験により、提案手法は、一般的な季節変化検出データセットにおいて、常に最も高度な手法よりも優れていることが示された。
  論文  参考訳（メタデータ） (2022-08-12T14:24:09Z)
• Weakly Aligned Feature Fusion for Multimodal Object Detection [52.15436349488198]
  マルチモーダルデータはしばしば位置ずれの問題に悩まされます。つまり、イメージペアは厳密に一致していません。 この問題により、マルチモーダルな特徴を融合させることが難しくなり、畳み込みニューラルネットワーク(CNN)のトレーニングが難解になる。 本稿では、位置ずれ問題に対処するために、アライメント領域CNN(AR-CNN)と呼ばれる汎用マルチモーダル検出器を提案する。
  論文  参考訳（メタデータ） (2022-04-21T02:35:23Z)
• AdaZoom: Adaptive Zoom Network for Multi-Scale Object Detection in Large Scenes [57.969186815591186]
  大規模なシーンの検出は、小さなオブジェクトと極端なスケールの変動のために難しい問題である。 本稿では,物体検出のための焦点領域を適応的に拡大するために,フレキシブルな形状と焦点長を有する選択的拡大器として,新しい適応型Zoom(AdaZoom)ネットワークを提案する。
  論文  参考訳（メタデータ） (2021-06-19T03:30:22Z)
• Semantic Change Detection with Asymmetric Siamese Networks [71.28665116793138]
  2つの空中画像が与えられた場合、セマンティックチェンジ検出は、土地被覆のバリエーションを特定し、それらの変化タイプをピクセルワイド境界で識別することを目的としている。 この問題は、正確な都市計画や天然資源管理など、多くの地球ビジョンに関連するタスクにおいて不可欠である。 本研究では, 広く異なる構造を持つモジュールから得られた特徴対を用いて意味変化を同定し, 同定するための非対称システマネットワーク(ASN)を提案する。
  論文  参考訳（メタデータ） (2020-10-12T13:26:30Z)
• Unsupervised Bidirectional Cross-Modality Adaptation via Deeply Synergistic Image and Feature Alignment for Medical Image Segmentation [73.84166499988443]
  我々は、Synergistic Image and Feature Alignment (SIFA)と名付けられた新しい教師なしドメイン適応フレームワークを提案する。 提案するSIFAは、画像と特徴の両方の観点から、ドメインの相乗的アライメントを行う。 2つの異なるタスクに対する実験結果から,SIFA法は未ラベル対象画像のセグメンテーション性能を向上させるのに有効であることが示された。
  論文  参考訳（メタデータ） (2020-02-06T13:49:47Z)

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。