論文の概要: Self-supervised pre-training enhances change detection in Sentinel-2 imagery

• arxiv url: http://arxiv.org/abs/2101.08122v1
• Date: Wed, 20 Jan 2021 13:47:25 GMT
• ステータス: 処理完了
• システム内更新日: 2021-03-22 01:18:44.876307
• Title: Self-supervised pre-training enhances change detection in Sentinel-2 imagery
• Title（参考訳）: 自己教師付き事前訓練はSentinel-2画像の変化検出を増強する
• Authors: Marrit Leenstra, Diego Marcos, Francesca Bovolo, Devis Tuia
• Abstract要約: 我々は,世界中の1520都市地域の複数時間画像ペアを含むSentinel-2 Multitemporal Cities Pairs(S2MTCP)データセットを構築し,公開する。 変更検出のための事前学習モデルのための複数の自己監視学習方法の結果をテストし、Sentinel-2イメージペア(OSCD)からなるパブリックチェンジ検出データセットに適用する。
• 参考スコア（独自算出の注目度）: 10.245231210675938
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: While annotated images for change detection using satellite imagery are scarce and costly to obtain, there is a wealth of unlabeled images being generated every day. In order to leverage these data to learn an image representation more adequate for change detection, we explore methods that exploit the temporal consistency of Sentinel-2 times series to obtain a usable self-supervised learning signal. For this, we build and make publicly available (https://zenodo.org/record/4280482) the Sentinel-2 Multitemporal Cities Pairs (S2MTCP) dataset, containing multitemporal image pairs from 1520 urban areas worldwide. We test the results of multiple self-supervised learning methods for pre-training models for change detection and apply it on a public change detection dataset made of Sentinel-2 image pairs (OSCD).
• Abstract（参考訳）: 衛星画像を用いた変更検出のための注釈付き画像の入手は少なく、費用もかかるが、毎日大量のラベルなし画像が生成される。 本研究では,これらのデータを利用して変化検出に適した画像表現を学習するために,Sentinel-2の時系列の時間的一貫性を利用した自己教師付き学習信号を求める。 このために、世界中の1520都市地域のマルチテンポラルイメージペアを含むSentinel-2 Multitemporal Cities Pairs (S2MTCP)データセットを構築し、公開する(https://zenodo.org/record/4280482)。 変更検出のための事前学習モデルのための複数の自己教師型学習手法の結果を検証し、Sentinel-2イメージペア(OSCD)を用いた公開変更検出データセットに適用する。

関連論文リスト

• ZeroSCD: Zero-Shot Street Scene Change Detection [2.3020018305241337]
  Scene Change Detectionは、コンピュータビジョンとロボティクスにおいて難しいタスクである。 従来の変更検出方法は、これらのイメージペアを入力として、変更を見積もるトレーニングモデルに依存しています。 我々は,ゼロショットシーン変化検出フレームワークであるZeroSCDを提案する。
  論文  参考訳（メタデータ） (2024-09-23T17:53:44Z)
• 2DSig-Detect: a semi-supervised framework for anomaly detection on image data using 2D-signatures [2.6642754249961103]
  本稿では,2DSig-Detectと呼ばれる画像における異常検出のための新しい手法を提案する。 画像中の対向摂動の存在を検出するために,優れた性能と時間の短縮が示される。
  論文  参考訳（メタデータ） (2024-09-08T05:35:05Z)
• Changen2: Multi-Temporal Remote Sensing Generative Change Foundation Model [62.337749660637755]
  安価で自動的な生成モデルに基づく変更データ生成器を提案する。 Changen2は、自己監督を通じて大規模にトレーニング可能な、生成的な変更基盤モデルである。 得られたモデルには、固有のゼロショット変化検出機能と優れた転送性がある。
  論文  参考訳（メタデータ） (2024-06-26T01:03:39Z)
• Unsupervised CD in satellite image time series by contrastive learning and feature tracking [15.148034487267635]
  特徴追跡を用いたコントラスト学習を用いた衛星画像時系列における教師なし変化検出のための2段階のアプローチを提案する。 事前学習したモデルから擬似ラベルを抽出し,特徴追跡を用いて画像時系列間で伝達することにより,擬似ラベルの一貫性を改善し,長期リモートセンシング画像時系列における季節変化の課題に対処する。
  論文  参考訳（メタデータ） (2023-04-22T11:19:19Z)
• Self-Pair: Synthesizing Changes from Single Source for Object Change Detection in Remote Sensing Imagery [6.586756080460231]
  本研究では,2つの空間的無関係な画像を用いて変化検出器をトレーニングする。 本稿では,画像の残像としての操作が,変化検出の性能に不可欠であることを示す。 本手法は, 単一時間監視に基づく既存手法よりも優れる。
  論文  参考訳（メタデータ） (2022-12-20T13:26:42Z)
• Revisiting Consistency Regularization for Semi-supervised Change Detection in Remote Sensing Images [60.89777029184023]
  教師付きクロスエントロピー(CE)損失に加えて、教師なしCD損失を定式化する半教師付きCDモデルを提案する。 2つの公開CDデータセットを用いて実験を行った結果,提案手法は教師付きCDの性能に近づきやすいことがわかった。
  論文  参考訳（メタデータ） (2022-04-18T17:59:01Z)
• A Hierarchical Transformation-Discriminating Generative Model for Few Shot Anomaly Detection [93.38607559281601]
  各トレーニングイメージのマルチスケールパッチ分布をキャプチャする階層的生成モデルを開発した。 この異常スコアは、スケール及び画像領域にわたる正しい変換のパッチベースの投票を集約して得られる。
  論文  参考訳（メタデータ） (2021-04-29T17:49:48Z)
• CutPaste: Self-Supervised Learning for Anomaly Detection and Localization [59.719925639875036]
  通常のトレーニングデータのみを用いて異常検知器を構築するためのフレームワークを提案する。 まず、自己教師付き深層表現を学習し、学習した表現の上に生成的1クラス分類器を構築する。 MVTec異常検出データセットに関する実証研究は,提案アルゴリズムが実世界の様々な欠陥を検出可能であることを実証している。
  論文  参考訳（メタデータ） (2021-04-08T19:04:55Z)
• City-scale Scene Change Detection using Point Clouds [71.73273007900717]
  2つの異なる時間にカメラを設置して撮影した画像を用いて都市の構造変化を検出する手法を提案する。 変化検出のための2点雲の直接比較は、不正確な位置情報のため理想的ではない。 この問題を回避するために,ポイントクラウド上での深層学習に基づく非厳密な登録を提案する。 提案手法は,視点や照明の違いがあっても,シーン変化を効果的に検出できることを示す。
  論文  参考訳（メタデータ） (2021-03-26T08:04:13Z)
• Self-supervised Multisensor Change Detection [14.191073951237772]
  両時間衛星画像における自己教師付き変化検出の文脈におけるマルチセンサ分析を再考する。 近年の自己教師あり学習手法の進歩は、その一部が少数の画像で機能することさえ示している。 そこで本研究では,非ラベル対象の二時間画像のみを用いたマルチセンサ変化検出手法を提案する。
  論文  参考訳（メタデータ） (2021-02-12T12:31:10Z)
• Self-Supervised Person Detection in 2D Range Data using a Calibrated Camera [83.31666463259849]
  2次元LiDARに基づく人検出器のトレーニングラベル(擬似ラベル)を自動生成する手法を提案する。 擬似ラベルで訓練または微調整された自己監視検出器が,手動アノテーションを用いて訓練された検出器を上回っていることを示した。 私達の方法は付加的な分類の努力なしで配置の間に人の探知器を改善する有効な方法です。
  論文  参考訳（メタデータ） (2020-12-16T12:10:04Z)

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。