論文の概要: Scribble-based Weakly Supervised Deep Learning for Road Surface
Extraction from Remote Sensing Images
- arxiv url: http://arxiv.org/abs/2010.13106v1
- Date: Sun, 25 Oct 2020 12:40:30 GMT
- ステータス: 処理完了
- システム内更新日: 2022-10-03 04:49:16.061613
- Title: Scribble-based Weakly Supervised Deep Learning for Road Surface
Extraction from Remote Sensing Images
- Title（参考訳）: リモートセンシング画像からの路面抽出のためのscribble-based weakly supervised deep learning
- Authors: Yao Wei, Shunping Ji
- Abstract要約: そこで我々は,ScRoadExtractor という,スクリブルに基づく弱制御路面抽出手法を提案する。
スパーススクリブルからラベルなし画素への意味情報を伝達するために,道路ラベルの伝搬アルゴリズムを導入する。
道路ラベル伝搬アルゴリズムから生成された提案マスクを用いて、デュアルブランチエンコーダデコーダネットワークを訓練する。
- 参考スコア（独自算出の注目度）: 7.1577508803778045
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Road surface extraction from remote sensing images using deep learning
methods has achieved good performance, while most of the existing methods are
based on fully supervised learning, which requires a large amount of training
data with laborious per-pixel annotation. In this paper, we propose a
scribble-based weakly supervised road surface extraction method named
ScRoadExtractor, which learns from easily accessible scribbles such as
centerlines instead of densely annotated road surface ground-truths. To
propagate semantic information from sparse scribbles to unlabeled pixels, we
introduce a road label propagation algorithm which considers both the
buffer-based properties of road networks and the color and spatial information
of super-pixels. The proposal masks generated from the road label propagation
algorithm are utilized to train a dual-branch encoder-decoder network we
designed, which consists of a semantic segmentation branch and an auxiliary
boundary detection branch. We perform experiments on three diverse road
datasets that are comprised of highresolution remote sensing satellite and
aerial images across the world. The results demonstrate that ScRoadExtractor
exceed the classic scribble-supervised segmentation method by 20% for the
intersection over union (IoU) indicator and outperform the state-of-the-art
scribble-based weakly supervised methods at least 4%.
- Abstract（参考訳）: 深層学習法を用いたリモートセンシング画像からの道路面抽出は優れた性能を示し,既存の手法の多くは全教師付き学習に基づいている。
そこで本稿では,ScRoadExtractorというスクリブルベースの弱教師付き道路表面抽出手法を提案する。
スパーススクリブルから未ラベル画素への意味情報を伝達するために,道路ネットワークのバッファ特性とスーパーピクセルの色と空間情報の両方を考慮した道路ラベル伝搬アルゴリズムを提案する。
道路ラベル伝搬アルゴリズムから生成された提案マスクを用いて, セマンティックセグメンテーションブランチと補助境界検出ブランチからなる, 設計したデュアルブランチエンコーダデコーダネットワークを訓練する。
世界中の高解像度リモートセンシング衛星と空中画像からなる3つの道路データセットについて実験を行った。
その結果,scroadextractorは,iou(intersection over union)インジケータに対して,従来のscribble-supervised segmentation法を20%上回り,scrable-of-the-art scribble-based weakly supervisedメソッドを少なくとも4%上回った。
関連論文リスト
- Fine-Grained Extraction of Road Networks via Joint Learning of
Connectivity and Segmentation [5.496893845821393]
衛星画像からの道路網抽出は、インテリジェントな交通管理と自動運転分野に広く応用されている。
高解像度のリモートセンシング画像は複雑な道路エリアと背景を逸脱させており,道路抽出の課題となっている。
接続の正しさを保ちながら、エンドツーエンドのセグメンテーション道路のためのスタック型マルチタスクネットワークを提案する。
論文 参考訳（メタデータ） (2023-12-07T22:57:17Z) - Learning Semantic Segmentation with Query Points Supervision on Aerial Images [57.09251327650334]
セマンティックセグメンテーションアルゴリズムを学習するための弱教師付き学習アルゴリズムを提案する。
提案手法は正確なセマンティックセグメンテーションを行い,手作業のアノテーションに要するコストと時間を大幅に削減することで効率を向上する。
論文 参考訳（メタデータ） (2023-09-11T14:32:04Z) - Patched Line Segment Learning for Vector Road Mapping [34.16241268436923]
我々は,幾何的重要性を持つ道路グラフに対して,よく定義されたパッチラインセグメンテーション表現を構築した。
提案手法は,6時間のGPUトレーニングで最先端の性能を達成し,トレーニングコストを32倍に削減する。
論文 参考訳（メタデータ） (2023-09-06T11:33:25Z) - De-coupling and De-positioning Dense Self-supervised Learning [65.56679416475943]
Dense Self-Supervised Learning (SSL)メソッドは、複数のオブジェクトでイメージを処理する際に、画像レベルの特徴表現を使用する際の制限に対処する。
本研究は, 層深度やゼロパディングに伴う受容野の増大によって生じる, 結合と位置バイアスに悩まされていることを示す。
我々はCOCOにおける本手法の利点と、オブジェクト分類、セマンティックセグメンテーション、オブジェクト検出のための新しい挑戦的ベンチマークであるOpenImage-MINIについて示す。
論文 参考訳（メタデータ） (2023-03-29T18:07:25Z) - PaRK-Detect: Towards Efficient Multi-Task Satellite Imagery Road
Extraction via Patch-Wise Keypoints Detection [12.145321599949236]
我々は、マルチタスク衛星画像道路抽出のための新しい手法、パッチワイド道路キーポイント検出(PaRK-Detect)を提案する。
筆者らのフレームワークは,パッチワイド道路キーポイントの位置と,それら間の近接関係を予測し,道路グラフを単一パスで構築する。
我々は,DeepGlobe, Massachusetts Roads, RoadTracerの既存の最先端手法に対するアプローチを評価し,競争力やより良い結果を得る。
論文 参考訳（メタデータ） (2023-02-26T08:26:26Z) - Aerial Images Meet Crowdsourced Trajectories: A New Approach to Robust
Road Extraction [110.61383502442598]
我々は、Cross-Modal Message Propagation Network (CMMPNet)と呼ばれる新しいニューラルネットワークフレームワークを紹介する。
CMMPNetは、モダリティ固有の表現学習のための2つのディープオートエンコーダと、クロスモーダル表現洗練のためのテーラー設計のデュアルエンハンスメントモジュールで構成されている。
実世界の3つのベンチマーク実験により, CMMPNetによる堅牢な道路抽出の有効性が示された。
論文 参考訳（メタデータ） (2021-11-30T04:30:10Z) - PP-LinkNet: Improving Semantic Segmentation of High Resolution Satellite
Imagery with Multi-stage Training [4.694536172504848]
道路網と建築物のフットプリント抽出は、地図の更新、交通規制、都市計画、ライドシェアリング、災害対応テキストテットックなど、多くのアプリケーションにとって不可欠である。
論文 参考訳（メタデータ） (2020-10-14T10:23:48Z) - Photon-Driven Neural Path Guiding [102.12596782286607]
本稿では,スパース標本群から誘導される経路の高品質なサンプリング分布を再構築するニューラルパス誘導手法を提案する。
我々は、光源から追跡した光子をサンプリング密度再構成の入力として利用し、強力なグローバル照明の挑戦シーンに非常に効果的である。
提案手法は,従来の最先端の経路案内手法よりも,テストシーンのレンダリング結果が大幅に向上する。
論文 参考訳（メタデータ） (2020-10-05T04:54:01Z) - Weakly-Supervised Semantic Segmentation by Iterative Affinity Learning [86.45526827323954]
弱教師付きセマンティックセグメンテーションは、トレーニングのためにピクセル単位のラベル情報が提供されないため、難しい課題である。
このようなペア関係を学習するための反復アルゴリズムを提案する。
本稿では,提案アルゴリズムが最先端手法に対して好適に動作することを示す。
論文 参考訳（メタデータ） (2020-02-19T10:32:03Z) - Towards Reading Beyond Faces for Sparsity-Aware 4D Affect Recognition [55.15661254072032]
自動4次元表情認識(FER)のための空間認識深層ネットワークを提案する。
まず,深層学習のためのデータ制限問題に対処する新しい拡張手法を提案する。
次に、多視点での畳み込み特徴のスパース表現を計算するために、疎度対応のディープネットワークを提案する。
論文 参考訳（メタデータ） (2020-02-08T13:09:11Z)
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。