Fugu-MT 論文翻訳(概要): Hi-UCD: A Large-scale Dataset for Urban Semantic Change Detection in Remote Sensing Imagery

論文の概要: Hi-UCD: A Large-scale Dataset for Urban Semantic Change Detection in Remote Sensing Imagery

arxiv url: http://arxiv.org/abs/2011.03247v7
Date: Mon, 28 Dec 2020 01:47:48 GMT
ステータス: 処理完了
システム内更新日: 2022-09-29 05:15:51.295141
Title: Hi-UCD: A Large-scale Dataset for Urban Semantic Change Detection in Remote Sensing Imagery
Title（参考訳）: Hi-UCD:リモートセンシング画像における都市セマンティック変化検出のための大規模データセット
Authors: Shiqi Tian, Ailong Ma, Zhuo Zheng, Yanfei Zhong
Abstract要約: Hi-UCDは、都市変化検出のための大規模なベンチマークデータセットである。精巧な都市変化の検出と分析に使用できる。バイナリとマルチクラスの変更検出において,古典的な手法を用いてデータセットをベンチマークする。
参考スコア（独自算出の注目度）: 5.151973524974052
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: With the acceleration of the urban expansion, urban change detection (UCD), as a significant and effective approach, can provide the change information with respect to geospatial objects for dynamical urban analysis. However, existing datasets suffer from three bottlenecks: (1) lack of high spatial resolution images; (2) lack of semantic annotation; (3) lack of long-range multi-temporal images. In this paper, we propose a large scale benchmark dataset, termed Hi-UCD. This dataset uses aerial images with a spatial resolution of 0.1 m provided by the Estonia Land Board, including three-time phases, and semantically annotated with nine classes of land cover to obtain the direction of ground objects change. It can be used for detecting and analyzing refined urban changes. We benchmark our dataset using some classic methods in binary and multi-class change detection. Experimental results show that Hi-UCD is challenging yet useful. We hope the Hi-UCD can become a strong benchmark accelerating future research.
Abstract（参考訳）: 都市拡張の加速により、都市変化検出(ucd)は重要かつ効果的なアプローチとして、動的都市分析のための地理空間オブジェクトに関する変更情報を提供することができる。しかし、既存のデータセットには、(1)高解像度画像の欠如、(2)意味アノテーションの欠如、(3)長距離多時間画像の欠如、の3つのボトルネックがある。本稿では,Hi-UCDと呼ばれる大規模ベンチマークデータセットを提案する。このデータセットは、エストニア土地委員会が3回の位相を含む0.1mの空間分解能を持つ空中画像を使用し、9種類の土地被覆を意味的に注釈付けして地上物体の変化の方向を求める。精製された都市の変化の検出と分析に使用できる。バイナリとマルチクラスの変更検出において,古典的な手法を用いてデータセットをベンチマークする。実験の結果,Hi-UCDは難しいが有用であることがわかった。 Hi-UCDが将来の研究を加速する強力なベンチマークになることを期待している。

関連論文リスト

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)
FUSU: A Multi-temporal-source Land Use Change Segmentation Dataset for Fine-grained Urban Semantic Understanding [6.833536116934201]
都市セマンティック理解のための土地利用変化セグメンテーションデータセットであるFUSUを紹介した。 FUSUは、これまでで最も詳細な土地利用分類システムであり、17のクラスと300億ピクセルのアノテーションがある。中国南部と北部の5つの都市部で847km2をカバーし、0.2-0.5mの地中サンプルと月毎の光学・レーダー衛星時系列の両時間高解像度衛星画像を含んでいる。
論文参考訳（メタデータ） (2024-05-29T12:56:11Z)
Advancing Applications of Satellite Photogrammetry: Novel Approaches for Built-up Area Modeling and Natural Environment Monitoring using Stereo/Multi-view Satellite Image-derived 3D Data [0.0]
この論文は、ステレオおよびマルチビュー衛星画像から得られた3次元地理空間データに基づく、いくつかの新しいアプローチを探求する。衛星由来の3Dデータによる空間的・時間的課題に対処する新しいアプローチの4つの部分を紹介する。概して、この論文は、都市や環境問題に対処する衛星フォトグラムの応用の可能性を示している。
論文参考訳（メタデータ） (2024-04-18T20:02:52Z)
Semi-supervised Learning from Street-View Images and OpenStreetMap for Automatic Building Height Estimation [59.6553058160943]
本稿では,Mapillary SVIとOpenStreetMapのデータから建物の高さを自動的に推定する半教師付き学習(SSL)手法を提案する。提案手法は, 平均絶対誤差(MAE)が約2.1mである建物の高さを推定する上で, 明らかな性能向上につながる。予備結果は,低コストなVGIデータに基づく提案手法のスケールアップに向けた今後の取り組みを期待し,動機づけるものである。
論文参考訳（メタデータ） (2023-07-05T18:16:30Z)
Vision Transformers, a new approach for high-resolution and large-scale mapping of canopy heights [50.52704854147297]
分類(離散化)と連続損失関数を最適化した新しい視覚変換器(ViT)モデルを提案する。このモデルは、従来使用されていた畳み込みベースのアプローチ(ConvNet)よりも、連続損失関数のみで最適化された精度が向上する。
論文参考訳（メタデータ） (2023-04-22T22:39:03Z)
3D Data Augmentation for Driving Scenes on Camera [50.41413053812315]
本稿では,Drive-3DAugと呼ばれる3次元データ拡張手法を提案する。まずNeural Radiance Field(NeRF)を用いて,背景および前景の3次元モデルの再構成を行う。そして、予め定義された背景の有効領域に適応した位置と向きの3Dオブジェクトを配置することにより、拡張駆動シーンを得ることができる。
論文参考訳（メタデータ） (2023-03-18T05:51:05Z)
Towards Model Generalization for Monocular 3D Object Detection [57.25828870799331]
我々は,Mono3Dオブジェクト検出に有効な統合カメラ一般化パラダイム(CGP)を提案する。また,インスタンスレベルの拡張によりギャップを埋める2D-3D幾何一貫性オブジェクトスケーリング戦略(GCOS)を提案する。 DGMono3Dと呼ばれる手法は、評価された全てのデータセットに対して顕著な性能を達成し、SoTAの教師なしドメイン適応スキームを上回ります。
論文参考訳（メタデータ） (2022-05-23T23:05:07Z)
SensatUrban: Learning Semantics from Urban-Scale Photogrammetric Point Clouds [52.624157840253204]
センサットウルバン(SensatUrban)は、イギリスの3都市から収集された7.6km2の30億点近くからなる、都市規模のUAV測光点クラウドデータセットである。データセットの各ポイントは、粒度の細かいセマンティックアノテーションでラベル付けされ、その結果、既存の最大のフォトグラムポイントクラウドデータセットの3倍の大きさのデータセットが生成される。
論文参考訳（メタデータ） (2022-01-12T14:48:11Z)
UrbanNet: Leveraging Urban Maps for Long Range 3D Object Detection [0.0]
UrbanNetは、静的カメラを用いた長距離モノクル3Dオブジェクト検出のためのモジュラーアーキテクチャである。提案システムは,利用可能な都市地図と,成熟した2次元オブジェクト検出器と効率的な3次元オブジェクト記述器を組み合わせたものである。我々は,UrbanNetを,新しい難易度の高い合成データセットで評価し,斜面の変化を伴う道路交通検知におけるその設計の利点を強調した。
論文参考訳（メタデータ） (2021-10-11T19:03:20Z)
Deep Learning Framework for Detecting Ground Deformation in the Built Environment using Satellite InSAR data [7.503635457124339]
我々は、全国規模の速度場における変形を検出するために、事前訓練された畳み込みニューラルネットワーク(CNN)を適用した。我々は、以前特定された変形が石炭採掘、地下水流出、地すべり、トンネル掘削と関係している英国に焦点を当てる。本研究は, 自動地動解析システムの開発に提案手法が適用可能であることを示すものである。
論文参考訳（メタデータ） (2020-05-07T03:14:00Z)
Quantifying Data Augmentation for LiDAR based 3D Object Detection [139.64869289514525]
そこで本研究では,光検出・ランドング(LiDAR)に基づく3次元物体検出において一般的に使用される,様々なデータ拡張手法について光を当てた。本研究では,グローバルな拡張技術がシーン全体の点雲に適用され,ローカルな拡張技術がシーン内の個々のオブジェクトに属する点にのみ適用される,様々なグローバルおよびローカルな拡張技術について検討する。以上の結果から,2種類のデータ拡張はパフォーマンス向上につながるが,個々のオブジェクト翻訳などの拡張技術は非生産的であり,全体的なパフォーマンスを損なう可能性があることがわかった。
論文参考訳（メタデータ） (2020-04-03T16:09:14Z)

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。