論文の概要: Urban Change Detection by Fully Convolutional Siamese Concatenate
Network with Attention
- arxiv url: http://arxiv.org/abs/2102.00501v1
- Date: Sun, 31 Jan 2021 17:47:16 GMT
- ステータス: 処理完了
- システム内更新日: 2021-02-02 15:35:20.859480
- Title: Urban Change Detection by Fully Convolutional Siamese Concatenate
Network with Attention
- Title(参考訳): 完全畳み込みシームス連結ネットワークによる都市変化検出と注意
- Authors: Farnoosh Heidary, Mehran Yazdi, Maryam Dehghani, and Peyman Setoodeh
- Abstract要約: 変更検出(CD)はリモートセンシング、特に都市管理における災害時において重要な問題である。
オブジェクトベースのモデルは、非常に高解像度のリモートセンシング(VHR RS)画像を扱うピクセルベースの手法に好まれる。
本稿では,VHR RS画像の完全自動変化検出アルゴリズムを提案する。
- 参考スコア(独自算出の注目度): 0.6999740786886537
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Change detection (CD) is an important problem in remote sensing, especially
in disaster time for urban management. Most existing traditional methods for
change detection are categorized based on pixel or objects. Object-based models
are preferred to pixel-based methods for handling very high-resolution remote
sensing (VHR RS) images. Such methods can benefit from the ongoing research on
deep learning. In this paper, a fully automatic change-detection algorithm on
VHR RS images is proposed that deploys Fully Convolutional Siamese Concatenate
networks (FC-Siam-Conc). The proposed method uses preprocessing and an
attention gate layer to improve accuracy. Gaussian attention (GA) as a soft
visual attention mechanism is used for preprocessing. GA helps the network to
handle feature maps like biological visual systems. Since the GA parameters
cannot be adjusted during network training, an attention gate layer is
introduced to play the role of GA with parameters that can be tuned among other
network parameters. Experimental results obtained on Onera Satellite Change
Detection (OSCD) and RIVER-CD datasets confirm the superiority of the proposed
architecture over the state-of-the-art algorithms.
- Abstract(参考訳): リモートセンシングにおいて,特に都市管理における災害時の変化検出(cd)は重要な問題である。
既存の変更検出手法のほとんどは、ピクセルやオブジェクトに基づいて分類される。
オブジェクトベースのモデルは、非常に高解像度のリモートセンシング(VHR RS)画像を扱うピクセルベースの手法に好まれる。
このような手法は、ディープラーニングに関する継続的な研究の恩恵を受けることができる。
本稿では, フルコンボリューション型Siamese Concatenateネットワーク(FC-Siam-Conc)を展開したVHR RS画像に対する全自動変化検出アルゴリズムを提案する。
提案手法は前処理と注意ゲート層を用いて精度を向上させる。
ソフトな視覚的注意機構としてのガウス的注意(GA)は前処理に用いられる。
GAはネットワークが生物学的視覚システムのような特徴マップを扱うのに役立つ。
GAパラメータはネットワークトレーニング中に調整できないため、他のネットワークパラメータ間で調整可能なパラメータでGAの役割を演じるためにアテンションゲート層が導入された。
Onera Satellite Change Detection (OSCD)およびRIVER-CDデータセットで得られた実験結果は、提案されたアーキテクチャが最先端のアルゴリズムよりも優れていることを確認します。
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) - Lightweight Change Detection in Heterogeneous Remote Sensing Images with Online All-Integer Pruning Training [17.387154380465294]
現在の均質な変化検出手法は、しばしば高い計算とメモリコストに悩まされる。
本稿では,CDネットワークを効率よく微調整するオンラインオール整数プルーニング(OAIP)トレーニング戦略を用いた,新しい軽量CD手法を提案する。
実験結果から,OAIP法は現状のCD法と比較して,同様の検出性能(ただし,複雑性とメモリ使用量を大幅に削減した)が得られることがわかった。
論文 参考訳(メタデータ) (2024-05-03T08:23:39Z) - ELGC-Net: Efficient Local-Global Context Aggregation for Remote Sensing Change Detection [65.59969454655996]
本稿では,変化領域を正確に推定するために,リッチな文脈情報を利用する効率的な変化検出フレームワークELGC-Netを提案する。
提案するELGC-Netは、リモートセンシング変更検出ベンチマークにおいて、最先端の性能を新たに設定する。
また,ELGC-Net-LWも導入した。
論文 参考訳(メタデータ) (2024-03-26T17:46:25Z) - Deep Homography Estimation for Visual Place Recognition [49.235432979736395]
本稿では,変換器を用いたディープホモグラフィー推定(DHE)ネットワークを提案する。
バックボーンネットワークによって抽出された濃密な特徴写像を入力とし、高速で学習可能な幾何的検証のためにホモグラフィーに適合する。
ベンチマークデータセットを用いた実験により,本手法はいくつかの最先端手法より優れていることが示された。
論文 参考訳(メタデータ) (2024-02-25T13:22:17Z) - Remote Sensing Image Classification using Transfer Learning and
Attention Based Deep Neural Network [59.86658316440461]
本稿では、転送学習技術とマルチヘッドアテンションスキームを活用した、深層学習に基づくRSISCフレームワークを提案する。
提案したディープラーニングフレームワークは、ベンチマークNWPU-RESISC45データセットに基づいて評価され、最高の分類精度94.7%を達成する。
論文 参考訳(メタデータ) (2022-06-20T10:05:38Z) - Improved Orientation Estimation and Detection with Hybrid Object
Detection Networks for Automotive Radar [1.53934570513443]
我々は,レーダに基づく物体検出ネットワークを改善するために,グリッドとポイントを併用した新しいハイブリッドアーキテクチャを提案する。
格子描画の前に、点の正確な相対位置を利用して、点ベースモデルが近傍の特徴を抽出できることが示される。
これは、次の畳み込み検出バックボーンに対して大きなメリットがある。
論文 参考訳(メタデータ) (2022-05-03T06:29:03Z) - Learning Hierarchical Graph Representation for Image Manipulation
Detection [50.04902159383709]
画像操作検出の目的は、画像内の操作された領域を特定し、特定することである。
最近のアプローチでは、画像に残っている改ざんするアーティファクトをキャプチャするために、洗練された畳み込みニューラルネットワーク(CNN)が採用されている。
本稿では2つの並列分岐からなる階層型グラフ畳み込みネットワーク(HGCN-Net)を提案する。
論文 参考訳(メタデータ) (2022-01-15T01:54:25Z) - CPFN: Cascaded Primitive Fitting Networks for High-Resolution Point
Clouds [51.47100091540298]
本稿では,グローバルおよびローカルなプリミティブ検出ネットワークの検出結果をアダプティブパッチサンプリングネットワークに依存したCPFN(Cascaded Primitive Fitting Networks)を提案する。
CPFNは、高解像度のポイントクラウドデータセット上で、最先端のSPFNのパフォーマンスを13-14%改善し、特に20-22%の微細プリミティブの検出を改善している。
論文 参考訳(メタデータ) (2021-08-31T23:27:33Z) - Unsupervised Change Detection in Satellite Images with Generative
Adversarial Network [20.81970476609318]
本稿では,GAN(Generative Adversarial Network)を用いた新たな変更検出フレームワークを提案する。
最適化されたGANモデルは、変更を容易に発見できる良質なコアギスター画像を生成し、その後、比較戦略を通じて変更マップを提示する。
論文 参考訳(メタデータ) (2020-09-08T10:26:04Z) - End-to-End Change Detection for High Resolution Drone Images with GAN
Architecture [0.0]
インフラ検査に高解像度のドローン画像を用いた最新技術変更検出GANベースのアルゴリズムを用いる可能性を示す。
変化検出深層学習アルゴリズムに基づいて変化を識別する深層学習・データ駆動アルゴリズムを提案する。
論文 参考訳(メタデータ) (2020-05-31T08:19:11Z) - From W-Net to CDGAN: Bi-temporal Change Detection via Deep Learning
Techniques [43.58400031452662]
W-Netと呼ばれるエンドツーエンドのデュアルブランチアーキテクチャを提案し、各ブランチは2つのバイテンポラルイメージのうちの1つを入力として取り込む。
また、最近人気になったGAN(Generative Adversarial Network)を応用し、当社のW-Netがジェネレータとして機能している。
ネットワークをトレーニングし,今後の研究を促進するために,Google Earthから画像を収集して大規模なデータセットを構築する。
論文 参考訳(メタデータ) (2020-03-14T09:24:08Z)
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。