Fugu-MT 論文翻訳(概要): Despeckling Sentinel-1 GRD images by deep learning and application to narrow river segmentation

論文の概要: Despeckling Sentinel-1 GRD images by deep learning and application to narrow river segmentation

arxiv url: http://arxiv.org/abs/2102.00692v1
Date: Mon, 1 Feb 2021 08:24:25 GMT
ステータス: 処理完了
システム内更新日: 2021-02-02 15:47:50.318838
Title: Despeckling Sentinel-1 GRD images by deep learning and application to narrow river segmentation
Title（参考訳）: 深層学習によるSentinel-1 GRD画像の抽出と狭川セグメンテーションへの応用
Authors: Nicolas Gasnier, Emanuele Dalsasso, Lo\"ic Denis, Florence Tupin
Abstract要約: センチネル1GRD画像のコレクション上でのディープニューラルネットワークのトレーニングは、スペックルの空間的空間的相関に頑健な非特定アルゴリズムにつながる。切り離されたニューラルネットワークによって事前に処理された画像に処理チェーンを適用すると、川がよりセグメンテーションされていることが示される。
参考スコア（独自算出の注目度）: 3.506018346865459
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: This paper presents a despeckling method for Sentinel-1 GRD images based on the recently proposed framework "SAR2SAR": a self-supervised training strategy. Training the deep neural network on collections of Sentinel 1 GRD images leads to a despeckling algorithm that is robust to space-variant spatial correlations of speckle. Despeckled images improve the detection of structures like narrow rivers. We apply a detector based on exogenous information and a linear features detector and show that rivers are better segmented when the processing chain is applied to images pre-processed by our despeckling neural network.
Abstract（参考訳）: 本稿では,最近提案されたSAR2SAR(自己監督型トレーニング戦略)に基づく,Sentinel-1 GRD画像の非スペックリング手法を提案する。 Sentinel 1 GRD画像のコレクション上のディープニューラルネットワークのトレーニングは、スペックルの空間変動空間相関に堅牢な脱スペックリングアルゴリズムにつながります。劣化した画像は狭い川のような構造物の検出を改善する。我々は,外因性情報に基づく検出器と線形特徴検出器を適用し,デスペックリングニューラルネットワークにより予め処理された画像に対して処理チェーンを適用する場合,河川のセグメンテーションが良好であることを示す。

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)
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)
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)
Weakly-supervised fire segmentation by visualizing intermediate CNN layers [82.75113406937194]
画像やビデオにおける火の局所化は、火災事故に対処するための自律システムにとって重要なステップである。我々は,ネットワークのトレーニングに画像ラベルのみを使用する,画像中の火の弱い制御セグメント化について検討する。 CNNの中間層における特徴量の平均値は,2値セグメンテーション問題である火災セグメンテーションの場合,従来のクラスアクティベーションマッピング(CAM)法よりも優れていることを示す。
論文参考訳（メタデータ） (2021-11-16T11:56:28Z)
Speckles-Training-Based Denoising Convolutional Neural Network Ghost Imaging [5.737427318960774]
DnCNN(Denoising Convolutional Neural Networks)に基づく改良型ゴーストイメージング(GI)手法を提案する。 DnCNNにおける入力(雑音画像)と出力(残留画像)の対応にインスパイアされ、トレーニングを通してスペックルシーケンスと対応するGIの雑音分布のマッピングを構築する。未知のターゲットを照らすのに同じスペックルシーケンスを使用し、消音ターゲット画像を取得します。
論文参考訳（メタデータ） (2021-04-07T02:56:57Z)
Urban Change Detection by Fully Convolutional Siamese Concatenate Network with Attention [0.6999740786886537]
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。
論文参考訳（メタデータ） (2021-01-31T17:47:16Z)
Sparse Signal Models for Data Augmentation in Deep Learning ATR [0.8999056386710496]
ドメイン知識を取り入れ,データ集約学習アルゴリズムの一般化能力を向上させるためのデータ拡張手法を提案する。本研究では,空間領域における散乱中心のスパース性とアジムタル領域における散乱係数の滑らかな変動構造を活かし,過パラメータモデルフィッティングの問題を解く。
論文参考訳（メタデータ） (2020-12-16T21:46:33Z)
Robust Unsupervised Small Area Change Detection from SAR Imagery Using Deep Learning [23.203687716051697]
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。
論文参考訳（メタデータ） (2020-11-22T12:50:08Z)
Self-supervised Segmentation via Background Inpainting [96.10971980098196]
移動可能なカメラで撮影された単一の画像で、自己教師付き検出とセグメンテーションのアプローチを導入する。我々は、提案に基づくセグメンテーションネットワークのトレーニングに利用する自己教師付き損失関数を利用する。本手法は,標準ベンチマークから視覚的に切り離された画像の人間の検出とセグメント化に応用し,既存の自己監督手法より優れていることを示す。
論文参考訳（メタデータ） (2020-11-11T08:34:40Z)
NAS-DIP: Learning Deep Image Prior with Neural Architecture Search [65.79109790446257]
近年の研究では、深部畳み込みニューラルネットワークの構造が、以前に構造化された画像として利用できることが示されている。我々は,より強い画像の先行を捉えるニューラルネットワークの探索を提案する。既存のニューラルネットワーク探索アルゴリズムを利用して,改良されたネットワークを探索する。
論文参考訳（メタデータ） (2020-08-26T17:59:36Z)

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。