論文の概要: Synthetic Glacier SAR Image Generation from Arbitrary Masks Using
Pix2Pix Algorithm
- arxiv url: http://arxiv.org/abs/2101.03252v2
- Date: Thu, 14 Jan 2021 22:07:48 GMT
- ステータス: 処理完了
- システム内更新日: 2021-04-10 05:28:08.018949
- Title: Synthetic Glacier SAR Image Generation from Arbitrary Masks Using
Pix2Pix Algorithm
- Title(参考訳): Pix2Pixアルゴリズムを用いた任意マスクからの合成氷河SAR画像の生成
- Authors: Rosanna Dietrich-Sussner, Amirabbas Davari, Thorsten Seehaus, Matthias
Braun, Vincent Christlein, Andreas Maier, Christian Riess
- Abstract要約: 教師あり機械学習は、適切なテスト結果を得るために大量のラベル付きデータを必要とする。
本研究では,Pix2pixアルゴリズムを用いて合成SAR画像を生成することにより,限られたトレーニングデータの問題を軽減することを提案する。
異なるモデルを示し,比較研究を行い,sar画像の説得力のある氷河を定性的・定量的に合成する手法を実証した。
- 参考スコア(独自算出の注目度): 12.087729834358928
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Supervised machine learning requires a large amount of labeled data to
achieve proper test results. However, generating accurately labeled
segmentation maps on remote sensing imagery, including images from synthetic
aperture radar (SAR), is tedious and highly subjective. In this work, we
propose to alleviate the issue of limited training data by generating synthetic
SAR images with the pix2pix algorithm. This algorithm uses conditional
Generative Adversarial Networks (cGANs) to generate an artificial image while
preserving the structure of the input. In our case, the input is a segmentation
mask, from which a corresponding synthetic SAR image is generated. We present
different models, perform a comparative study and demonstrate that this
approach synthesizes convincing glaciers in SAR images with promising
qualitative and quantitative results.
- Abstract(参考訳): 教師あり機械学習は、適切なテスト結果を得るために大量のラベル付きデータを必要とする。
しかし、合成開口レーダ(SAR)の画像を含むリモートセンシング画像上で正確なラベル付きセグメンテーションマップを生成するのは退屈で、非常に主観的である。
本研究では,Pix2pixアルゴリズムを用いて合成SAR画像を生成することにより,限られたトレーニングデータの問題を軽減することを提案する。
このアルゴリズムは、入力の構造を保ちながら、条件付き生成逆数ネットワーク(cGAN)を用いて人工画像を生成する。
この場合、入力はセグメンテーションマスクであり、そこから対応する合成SAR画像を生成する。
異なるモデルを示し,比較研究を行い,sar画像の説得力のある氷河を定性的・定量的に合成する手法を実証した。
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) - Rethinking the Up-Sampling Operations in CNN-based Generative Network
for Generalizable Deepfake Detection [86.97062579515833]
我々は、アップサンプリング操作から生じる一般化された構造的アーティファクトをキャプチャし、特徴付ける手段として、NPR(Neighboring Pixel Relationships)の概念を紹介した。
tft28の異なる生成モデルによって生成されたサンプルを含む、オープンワールドデータセット上で包括的な分析を行う。
この分析は、新しい最先端のパフォーマンスを確立し、既存の手法よりも優れたtft11.6%の向上を示している。
論文 参考訳(メタデータ) (2023-12-16T14:27:06Z) - Between Generating Noise and Generating Images: Noise in the Correct
Frequency Improves the Quality of Synthetic Histopathology Images for Digital
Pathology [0.0]
合成画像は、既存のデータセットを拡張し、AIアルゴリズムを改善し、検証する。
意味マスクに適切な空間周波数でランダムな単一画素ノイズを導入することで,合成画像の品質が劇的に向上することを示す。
我々の研究は、制限のないデータセットに対する需要に基づいて合成データを生成するためのシンプルで強力なアプローチを示唆している。
論文 参考訳(メタデータ) (2023-02-13T17:49:24Z) - Is synthetic data from generative models ready for image recognition? [69.42645602062024]
本研究では,最新のテキスト・画像生成モデルから生成した合成画像が,画像認識タスクにどのように利用できるかを検討した。
本稿では,既存の生成モデルからの合成データの強大さと欠点を示し,認識タスクに合成データを適用するための戦略を提案する。
論文 参考訳(メタデータ) (2022-10-14T06:54:24Z) - Joint Learning of Deep Texture and High-Frequency Features for
Computer-Generated Image Detection [24.098604827919203]
本稿では,CG画像検出のための深いテクスチャと高周波特徴を有する共同学習戦略を提案する。
セマンティックセグメンテーションマップを生成して、アフィン変換操作を誘導する。
原画像と原画像の高周波成分の組み合わせを、注意機構を備えたマルチブランチニューラルネットワークに供給する。
論文 参考訳(メタデータ) (2022-09-07T17:30:40Z) - A Dual-fusion Semantic Segmentation Framework With GAN For SAR Images [10.147351262526282]
合成開口レーダ(SAR)画像セグメンテーションを実現するために,広く使用されているエンコーダデコーダアーキテクチャに基づくネットワークを提案する。
光画像のより優れた表現能力により、多数のSARおよび光画像によって訓練された生成反転ネットワーク(GAN)を介して生成された光画像とSAR画像を統合することを提案する。
論文 参考訳(メタデータ) (2022-06-02T15:22:29Z) - Transformer-based SAR Image Despeckling [53.99620005035804]
本稿では,SAR画像復号化のためのトランスフォーマーネットワークを提案する。
提案する非特定ネットワークは、トランスフォーマーベースのエンコーダにより、異なる画像領域間のグローバルな依存関係を学習することができる。
実験により,提案手法は従来型および畳み込み型ニューラルネットワークに基づく解法よりも大幅に改善されていることが示された。
論文 参考訳(メタデータ) (2022-01-23T20:09:01Z) - Denoising and Optical and SAR Image Classifications Based on Feature
Extraction and Sparse Representation [0.0]
本稿では,光学画像とSAR画像の分類を識別し,特徴抽出し,比較する手法を提案する。
光画像データは、リモートセンシングの作業員によって、容易に解釈できるため、土地利用と被覆について調査するために使われてきた。
論文 参考訳(メタデータ) (2021-06-03T14:39:30Z) - Ensembling with Deep Generative Views [72.70801582346344]
生成モデルは、色やポーズの変化などの現実世界の変動を模倣する人工画像の「ビュー」を合成することができる。
そこで本研究では, 画像分類などの下流解析作業において, 実画像に適用できるかどうかを検討する。
StyleGAN2を再生増強の源として使用し、顔の属性、猫の顔、車を含む分類タスクについてこの設定を調査します。
論文 参考訳(メタデータ) (2021-04-29T17:58:35Z) - SAR2SAR: a semi-supervised despeckling algorithm for SAR images [3.9490074068698]
本稿では,自己超越型ディープラーニングアルゴリズムSAR2SARを提案する。
時間的変化の補償と、スペックル統計に適応した損失関数に基づいて、SAR非特異化に適応する戦略を提示する。
提案アルゴリズムの可能性を示すために,実画像における結果について考察する。
論文 参考訳(メタデータ) (2020-06-26T15:07:28Z) - Unlimited Resolution Image Generation with R2D2-GANs [69.90258455164513]
本稿では,任意の解像度の高品質な画像を生成するための新しいシミュレーション手法を提案する。
この方法では、フル長のミッション中に収集したソナースキャンと同等の大きさのソナースキャンを合成することができる。
生成されたデータは、連続的で、現実的に見え、また、取得の実際の速度の少なくとも2倍の速さで生成される。
論文 参考訳(メタデータ) (2020-03-02T17:49:32Z)
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。