Fugu-MT 論文翻訳(概要): Robust Unsupervised Small Area Change Detection from SAR Imagery Using Deep Learning

論文の概要: Robust Unsupervised Small Area Change Detection from SAR Imagery Using Deep Learning

arxiv url: http://arxiv.org/abs/2011.11005v1
Date: Sun, 22 Nov 2020 12:50:08 GMT
ステータス: 処理完了
システム内更新日: 2022-09-22 12:07:18.661575
Title: Robust Unsupervised Small Area Change Detection from SAR Imagery Using Deep Learning
Title（参考訳）: 深層学習を用いたSAR画像からのロバスト非教師小面積変化検出
Authors: Xinzheng Zhang, Hang Su, Ce Zhang, Xiaowei Gu, Xiaoheng Tan, Peter M. Atkinson
Abstract要約: 合成開口レーダ(SAR)画像から小さな領域変化検出のための頑健な教師なし手法を提案する。差分画像(DI)を生成するマルチスケールスーパーピクセル再構成法を開発した。二段階中心拘束型ファジィc平均クラスタリングアルゴリズムを提案し、DIの画素を変化・変化・中間クラスに分割する。
参考スコア（独自算出の注目度）: 23.203687716051697
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Small area change detection from synthetic aperture radar (SAR) is a highly challenging task. In this paper, a robust unsupervised approach is proposed for small area change detection from multi-temporal SAR images using deep learning. First, a multi-scale superpixel reconstruction method is developed to generate a difference image (DI), which can suppress the speckle noise effectively and enhance edges by exploiting local, spatially homogeneous information. Second, a two-stage centre-constrained fuzzy c-means clustering algorithm is proposed to divide the pixels of the DI into changed, unchanged and intermediate classes with a parallel clustering strategy. Image patches belonging to the first two classes are then constructed as pseudo-label training samples, and image patches of the intermediate class are treated as testing samples. Finally, a convolutional wavelet neural network (CWNN) is designed and trained to classify testing samples into changed or unchanged classes, coupled with a deep convolutional generative adversarial network (DCGAN) to increase the number of changed class within the pseudo-label training samples. Numerical experiments on four real SAR datasets demonstrate the validity and robustness of the proposed approach, achieving up to 99.61% accuracy for small area change detection.
Abstract（参考訳）: 合成開口レーダ(SAR)による小面積変化検出は非常に難しい課題である。本稿では, 深層学習を用いた多時間SAR画像からの小さな領域変化検出のための頑健な教師なし手法を提案する。まず、局所的・空間的均質な情報を利用してスペックルノイズを効果的に抑制し、エッジを強化する差分画像(DI)を生成するマルチスケールスーパーピクセル再構成法を開発した。第2に、DIの画素を並列クラスタリング戦略で変化、変化、中間クラスに分割するために、2段階中心拘束型ファジィc平均クラスタリングアルゴリズムを提案する。最初の2つのクラスに属するイメージパッチを擬似ラベルトレーニングサンプルとして構築し、中間クラスのイメージパッチをテストサンプルとして扱う。最後に、畳み込みウェーブレットニューラルネットワーク(CWNN)を設計し、テストサンプルを変更または変更なしのクラスに分類し、深い畳み込み生成敵ネットワーク(DCGAN)と組み合わせて擬似ラベルトレーニングサンプル内の変更クラス数を増やすように訓練する。 4つの実SARデータセットの数値実験は、提案手法の有効性とロバスト性を実証し、小面積変化検出のための99.61%の精度を達成した。

関連論文リスト

Deep Learning Based Speckle Filtering for Polarimetric SAR Images. Application to Sentinel-1 [51.404644401997736]
本稿では、畳み込みニューラルネットワークを用いて偏光SAR画像のスペックルを除去するための完全なフレームワークを提案する。実験により,提案手法はスペックル低減と分解能保存の両方において例外的な結果をもたらすことが示された。
論文参考訳（メタデータ） (2024-08-28T10:07:17Z)
Affine-Consistent Transformer for Multi-Class Cell Nuclei Detection [76.11864242047074]
本稿では, 原子核位置を直接生成する新しいアフィン一貫性変換器 (AC-Former) を提案する。本稿では,AAT (Adaptive Affine Transformer) モジュールを導入し,ローカルネットワークトレーニングのためのオリジナル画像をワープするための重要な空間変換を自動学習する。実験結果から,提案手法は様々なベンチマークにおいて既存の最先端アルゴリズムを著しく上回ることがわかった。
論文参考訳（メタデータ） (2023-10-22T02:27:02Z)
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)
Change Detection from Synthetic Aperture Radar Images via Dual Path Denoising Network [38.78699830610313]
SAR画像変化検出のためのDual Path Denoising Network (DPDNet)を提案する。我々は,事前分類に関わるラベルノイズをクリーンにするために,ランダムなラベル伝搬を導入する。また,特徴表現学習のための特徴的パッチ畳み込みを提案する。
論文参考訳（メタデータ） (2022-03-13T01:51:51Z)
Weakly Supervised Change Detection Using Guided Anisotropic Difusion [97.43170678509478]
我々は、このようなデータセットを変更検出の文脈で活用するのに役立つ独自のアイデアを提案する。まず,意味的セグメンテーション結果を改善する誘導異方性拡散(GAD)アルゴリズムを提案する。次に、変化検出に適した2つの弱い教師付き学習戦略の可能性を示す。
論文参考訳（メタデータ） (2021-12-31T10:03:47Z)
Semi-supervised Domain Adaptive Structure Learning [72.01544419893628]
半教師付きドメイン適応 (SSDA) は,1) アノテーションの低いデータに過度に適合する手法と,2) ドメイン間の分散シフトの両方を克服しなければならない課題である。 SSLとDAの協調を正規化するための適応型構造学習手法を提案する。
論文参考訳（メタデータ） (2021-12-12T06:11:16Z)
Anchor-free Small-scale Multispectral Pedestrian Detection [88.7497134369344]
適応型単一段アンカーフリーベースアーキテクチャにおける2つのモードの効果的かつ効率的な多重スペクトル融合法を提案する。我々は,直接的境界ボックス予測ではなく,対象の中心と規模に基づく歩行者表現の学習を目指す。その結果,小型歩行者の検出における本手法の有効性が示唆された。
論文参考訳（メタデータ） (2020-08-19T13:13:01Z)
A Convolutional Neural Network with Parallel Multi-Scale Spatial Pooling to Detect Temporal Changes in SAR Images [43.56177583903999]
合成開口レーダ(SAR)画像変化検出では,ノイズ差画像から変化する情報を活用することは極めて困難である。雑音差画像から変化した情報を利用するマルチスケール空間プーリング(MSSP)ネットワークを提案する。
論文参考訳（メタデータ） (2020-05-22T03:37:30Z)
MetricUNet: Synergistic Image- and Voxel-Level Learning for Precise CT Prostate Segmentation via Online Sampling [66.01558025094333]
本稿では,前立腺領域を高速に局在させる第1段階と,前立腺領域を正確に区分する第2段階の2段階のフレームワークを提案する。マルチタスクネットワークにおけるボクセルワイドサンプリングによる新しいオンラインメトリック学習モジュールを提案する。本手法は,従来のクロスエントロピー学習法やDice損失学習法と比較して,より代表的なボクセルレベルの特徴を効果的に学習することができる。
論文参考訳（メタデータ） (2020-05-15T10:37:02Z)
A Robust Imbalanced SAR Image Change Detection Approach Based on Deep Difference Image and PCANet [20.217242547269947]
深層学習に基づく非平衡多時間合成開口レーダ(SAR)画像に対して,新しいロバストな変化検出手法を提案する。我々の主な貢献は、差分画像を生成する新しい方法と並列ファジィc-means(FCM)クラスタリング法を開発することである。実験の結果,提案手法は不均衡なSARデータに対して有効で頑健であり,ほとんどの最先端手法よりも99.52%変化検出精度を実現していることがわかった。
論文参考訳（メタデータ） (2020-03-03T20:05:49Z)
Two-Phase Object-Based Deep Learning for Multi-temporal SAR Image Change Detection [23.2069257991734]
変化検出は合成開口レーダ(SAR)画像の基本的な応用の1つである。 SAR画像に現れるスペックルノイズは、変化検出に非常に悪影響を及ぼす。多時間SAR画像変化検出のための2相オブジェクトベースディープラーニング手法を提案する。
論文参考訳（メタデータ） (2020-01-17T11:51:35Z)

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。