論文の概要: A Multiscale Graph Convolutional Network for Change Detection in
Homogeneous and Heterogeneous Remote Sensing Images
- arxiv url: http://arxiv.org/abs/2102.08041v1
- Date: Tue, 16 Feb 2021 09:26:31 GMT
- ステータス: 処理完了
- システム内更新日: 2021-02-17 14:48:54.051457
- Title: A Multiscale Graph Convolutional Network for Change Detection in
Homogeneous and Heterogeneous Remote Sensing Images
- Title（参考訳）: 均質・異種リモートセンシング画像における変化検出のための多スケールグラフ畳み込みネットワーク
- Authors: Junzheng Wu, Biao Li, Yao Qin, Weiping Ni, Han Zhang and Yuli Sun
- Abstract要約: リモートセンシング画像における変化検出(CD)は、常に研究の領域を広げています。
本稿では,グラフ畳み込みネットワーク(gcn)に基づく新しいcd法と,均質画像と異種画像の両方に対して多スケールオブジェクトベース手法を提案する。
- 参考スコア（独自算出の注目度）: 12.823633963080281
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Change detection (CD) in remote sensing images has been an ever-expanding
area of research. To date, although many methods have been proposed using
various techniques, accurately identifying changes is still a great challenge,
especially in the high resolution or heterogeneous situations, due to the
difficulties in effectively modeling the features from ground objects with
different patterns. In this paper, a novel CD method based on the graph
convolutional network (GCN) and multiscale object-based technique is proposed
for both homogeneous and heterogeneous images. First, the object-wise high
level features are obtained through a pre-trained U-net and the multiscale
segmentations. Treating each parcel as a node, the graph representations can be
formed and then, fed into the proposed multiscale graph convolutional network
with each channel corresponding to one scale. The multiscale GCN propagates the
label information from a small number of labeled nodes to the other ones which
are unlabeled. Further, to comprehensively incorporate the information from the
output channels of multiscale GCN, a fusion strategy is designed using the
father-child relationships between scales. Extensive Experiments on optical,
SAR and heterogeneous optical/SAR data sets demonstrate that the proposed
method outperforms some state-of the-art methods in both qualitative and
quantitative evaluations. Besides, the Influences of some factors are also
discussed.
- Abstract（参考訳）: リモートセンシング画像における変化検出(CD)は、常に研究の領域を広げています。
これまで様々な手法を用いて多くの手法が提案されてきたが、特に高分解能や不均一な状況において、異なるパターンの地上物体から特徴を効果的にモデル化することが困難であるため、変化を正確に識別することは依然として大きな課題である。
本稿では,グラフ畳み込みネットワーク(gcn)に基づく新しいcd法と,均質画像と異種画像の両方に対して多スケールオブジェクトベース手法を提案する。
まず、事前訓練されたU-netとマルチスケールセグメンテーションによりオブジェクトワイド高レベル特徴を得る。
各小包をノードとして扱うと、グラフ表現が形成され、提案されたマルチスケールグラフ畳み込みネットワークに、各チャネルが1つのスケールに対応するように供給される。
マルチスケールGCNは、ラベル付けされていない少数のノードから他のノードへラベル情報を伝搬する。
さらに、マルチスケールGCNの出力チャネルからの情報を包括的に組み込むために、スケール間の親子関係を用いて融合戦略を設計する。
光, SAR, 異種光/SARデータセットの広範囲な実験により, 提案手法は定性評価と定量的評価の両方において, 最先端の手法より優れていることを示した。
また、いくつかの要因の影響についても論じる。
関連論文リスト
- MODEL&CO: Exoplanet detection in angular differential imaging by learning across multiple observations [37.845442465099396]
ほとんどの後処理法は、対象の観測自体から核分裂のモデルを構築している。
本稿では,教師付き深層学習技術を利用して,複数観測のアーカイブからニュアンスモデルを構築することを提案する。
本稿では,提案手法をVLT/SPHERE機器から得られた複数のデータセットに適用し,高精度なリコールトレードオフを示す。
論文 参考訳（メタデータ） (2024-09-23T09:22:45Z) - Integrating multiscale topology in digital pathology with pyramidal graph convolutional networks [0.10995326465245926]
グラフ畳み込みネットワーク(GCN)は、デジタル病理学における畳み込みニューラルネットワークを用いた複数インスタンス学習の強力な代替手段として登場した。
提案するマルチスケールGCN (MS-GCN) は,スライド画像全体において複数の倍率レベルにまたがる情報を活用することでこの問題に対処する。
MS-GCNは、既存の単一磁化GCN法よりも優れた性能を示す。
論文 参考訳（メタデータ） (2024-03-22T09:48:50Z) - GenFace: A Large-Scale Fine-Grained Face Forgery Benchmark and Cross Appearance-Edge Learning [50.7702397913573]
フォトリアリスティック・ジェネレータの急速な進歩は、真の画像と操作された画像の相違がますます不明瞭になっている臨界点に達している。
公開されている顔の偽造データセットはいくつかあるが、偽造顔は主にGANベースの合成技術を用いて生成される。
我々は,大規模で多様できめ細かな高忠実度データセットであるGenFaceを提案し,ディープフェイク検出の進展を促進する。
論文 参考訳（メタデータ） (2024-02-03T03:13:50Z) - Learning transformer-based heterogeneously salient graph representation for multimodal remote sensing image classification [42.15709954199397]
本稿では,変圧器を用いたヘテロジニアサリエントグラフ表現法(THSGR)を提案する。
まず、多モード不均一グラフエンコーダを用いて、非ユークリッド構造の特徴を異種データから符号化する。
自己アテンションフリーなマルチ畳み込み変調器は、効果的かつ効率的な長期依存性モデリングのために設計されている。
論文 参考訳（メタデータ） (2023-11-17T04:06:20Z) - Affinity Feature Strengthening for Accurate, Complete and Robust Vessel
Segmentation [48.638327652506284]
血管セグメンテーションは、冠動脈狭窄、網膜血管疾患、脳動脈瘤などの多くの医学的応用において重要である。
コントラストに敏感なマルチスケールアフィニティアプローチを用いて,幾何学的手法と画素単位のセグメンテーション特徴を連成的にモデル化する新しいアプローチであるAFNを提案する。
論文 参考訳（メタデータ） (2022-11-12T05:39:17Z) - Two-Stream Graph Convolutional Network for Intra-oral Scanner Image
Segmentation [133.02190910009384]
本稿では,2ストリームグラフ畳み込みネットワーク(TSGCN)を提案する。
TSGCNは3次元歯(表面)セグメンテーションにおいて最先端の方法よりも優れています。
論文 参考訳（メタデータ） (2022-04-19T10:41:09Z) - A Dual Neighborhood Hypergraph Neural Network for Change Detection in
VHR Remote Sensing Images [12.222830717774118]
本稿では,双対近傍ハイパーグラフニューラルネットワークを提案する。
提案手法は,多くの最先端手法と比較して有効性とロバスト性が高い。
論文 参考訳（メタデータ） (2022-02-27T02:39:08Z) - LocalTrans: A Multiscale Local Transformer Network for Cross-Resolution
Homography Estimation [52.63874513999119]
クロスレゾリューション画像アライメントは、マルチスケールギガ撮影において重要な問題である。
既存のディープ・ホモグラフィー手法は、それらの間の対応の明示的な定式化を無視し、クロスレゾリューションの課題において精度が低下する。
本稿では,マルチモーダル入力間の対応性を明確に学習するために,マルチスケール構造内に埋め込まれたローカルトランスフォーマーネットワークを提案する。
論文 参考訳（メタデータ） (2021-06-08T02:51:45Z) - Semantic Change Detection with Asymmetric Siamese Networks [71.28665116793138]
2つの空中画像が与えられた場合、セマンティックチェンジ検出は、土地被覆のバリエーションを特定し、それらの変化タイプをピクセルワイド境界で識別することを目的としている。
この問題は、正確な都市計画や天然資源管理など、多くの地球ビジョンに関連するタスクにおいて不可欠である。
本研究では, 広く異なる構造を持つモジュールから得られた特徴対を用いて意味変化を同定し, 同定するための非対称システマネットワーク(ASN)を提案する。
論文 参考訳（メタデータ） (2020-10-12T13:26:30Z) - Pathological Retinal Region Segmentation From OCT Images Using Geometric
Relation Based Augmentation [84.7571086566595]
本稿では,幾何学と形状の内在的関係を共同で符号化することで,従来のGANベースの医用画像合成法よりも優れた手法を提案する。
提案手法は,取得手順の異なる画像を有する公開RETOUCHデータセット上で,最先端のセグメンテーション手法より優れている。
論文 参考訳（メタデータ） (2020-03-31T11:50:43Z)
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。