論文の概要: Self-supervised Multisensor Change Detection

• arxiv url: http://arxiv.org/abs/2103.05102v1
• Date: Fri, 12 Feb 2021 12:31:10 GMT
• ステータス: 処理完了
• システム内更新日: 2021-04-05 00:38:07.766655
• Title: Self-supervised Multisensor Change Detection
• Title（参考訳）: 自己教師付きマルチセンサ変化検出
• Authors: Sudipan Saha, Patrick Ebel, Xiao Xiang Zhu
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 14.191073951237772
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Multimodal and multisensor data analysis is a long-standing goal in machine learning research. In this paper we revisit multisensor analysis in context of self-supervised change detection in bi-temporal satellite images. Most change detection methods assume that pre-change and post-change images are acquired by the same sensor. However, in many real-life scenarios, e.g., natural disaster, it is more practical to use the latest available images before and after the occurrence of incidence, which may be acquired using different sensors. In particular, we are interested in the combination of the images acquired by optical and Synthetic Aperture Radar (SAR) sensors. While optical images are like the natural images dealt in computer vision, SAR images appear vastly different even when capturing the same scene. Adding to this, change detection methods are often constrained to use only target image-pair, no labeled data, and no additional unlabeled data. Such constraints limit the scope of traditional supervised machine learning and unsupervised generative approaches for multi-sensor change detection. Recent rapid development of self-supervised learning methods has shown that some of them can even work with only few images. Motivated by this, in this work we propose a method for multi-sensor change detection using only the unlabeled target bi-temporal images that are used for training a network in self-supervised fashion by using deep clustering and contrastive learning. The trained network is evaluated on multi-modal satellite data showing change and the benefits of our self-supervised approach are demonstrated.
• Abstract（参考訳）: マルチモーダルおよびマルチセンサーデータ分析は、機械学習研究の長年の目標である。 本稿では,バイタイム衛星画像における自己教師あり変化検出の文脈で,マルチセンサ解析を再考する。 ほとんどの変化検出方法は、前変化画像と後変化画像が同一のセンサによって取得されると仮定する。 しかし, 自然災害などの現実的なシナリオでは, 発生前後の最新の画像を使用する方が現実的であり, 異なるセンサを用いて取得することができる。 特に,光学式開口レーダと合成開口レーダ(SAR)センサーで得られた画像の組み合わせに関心がある。 光画像はコンピュータビジョンの自然なイメージに似ているが、同じシーンを撮影しても、SAR画像は大きく異なるように見える。 これに加えて、変更検出方法は、ターゲットイメージペアのみの使用、ラベル付きデータ、追加のラベル付きデータの使用に制限されることが多い。 このような制約は、従来の教師付き機械学習と、マルチセンサー変化検出のための教師なし生成アプローチの範囲を制限する。 近年の自己教師付き学習手法の急速な発展は、その一部がごく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,深層クラスタリングとコントラスト学習を用いて,ネットワークを自己教師付きで訓練するために使用されるラベルなし標的バイタイム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。 訓練されたネットワークは,変化を示すマルチモーダル衛星データを用いて評価され,自己監視手法の利点が実証された。

関連論文リスト

• MSSIDD: A Benchmark for Multi-Sensor Denoising [55.41612200877861]
  我々は,マルチセンサSIDDデータセットという新しいベンチマークを導入する。これは,認知モデルのセンサ伝達性を評価するために設計された,最初の生ドメインデータセットである。 そこで本研究では,センサに不変な特徴を認知モデルで学習することのできるセンサ一貫性トレーニングフレームワークを提案する。
  論文  参考訳（メタデータ） (2024-11-18T13:32:59Z)
• Single-Temporal Supervised Learning for Universal Remote Sensing Change Detection [21.622442722863028]
  広帯域リモートセンシングによる変化検出のための単一時間教師あり学習(STAR)を提案する。 Starは、未ペアラベル画像のみを使用して、高精度な変化検知器を訓練することを可能にする。 ChangeStar2は、8つのパブリックリモートセンシング変更検出データセットで最先端のパフォーマンスを達成する。
  論文  参考訳（メタデータ） (2024-06-22T00:03:21Z)
• Exchange means change: an unsupervised single-temporal change detection framework based on intra- and inter-image patch exchange [44.845959222180866]
  画像内および画像間パッチ交換(I3PE)に基づく教師なし単一時間CDフレームワークを提案する。 I3PEフレームワークは、損傷のない、ラベルなしの単一時間リモートセンシング画像上で、深い変化検出を訓練することができる。 I3PEは教師なしのアプローチよりも優れており、SOTA法では10.65%と6.99%のF1値の改善を実現している。
  論文  参考訳（メタデータ） (2023-10-01T14:50:54Z)
• 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)
• dual unet:a novel siamese network for change detection with cascade differential fusion [4.651756476458979]
  本稿では,変化検出タスク,すなわちDual-UNetのための新しいSiameseニューラルネットワークを提案する。 従来のバイテンポラル画像の符号化とは対照的に,画素の空間的差分関係に着目したエンコーダ差分アテンションモジュールを設計する。 実験により、提案手法は、一般的な季節変化検出データセットにおいて、常に最も高度な手法よりも優れていることが示された。
  論文  参考訳（メタデータ） (2022-08-12T14:24:09Z)
• 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)
• Learning Enriched Illuminants for Cross and Single Sensor Color Constancy [182.4997117953705]
  ネットワークをトレーニングするためのクロスセンサ自己教師型トレーニングを提案する。 センサに依存しない方法で人工発光体をランダムにサンプリングすることでネットワークを訓練する。 実験により、我々のクロスセンサモデルとシングルセンサーモデルは、他の最先端手法よりも大きなマージンで優れていることが示された。
  論文  参考訳（メタデータ） (2022-03-21T15:45:35Z)
• CD-GAN: a robust fusion-based generative adversarial network for unsupervised remote sensing change detection with heterogeneous sensors [15.284275261487114]
  本稿では、異種光センサが取得した画像を対象とした、教師なしの変更検出手法を提案する。 これは、変更検出タスクを堅牢な融合フレームワークに定式化する最近の進歩に乗じている。 最先端の変更検出手法との比較により,提案手法の有効性と有効性を示す。
  論文  参考訳（メタデータ） (2022-03-02T08:58:06Z)
• Seasonal Contrast: Unsupervised Pre-Training from Uncurated Remote Sensing Data [64.40187171234838]
  季節的コントラスト(SeCo)は、リモートセンシング表現のドメイン内事前トレーニングにラベルのないデータを活用するための効果的なパイプラインである。 SeCoは、転送学習を容易にし、再リモートセンシングアプリケーションの急速な進歩を可能にするために公開されます。
  論文  参考訳（メタデータ） (2021-03-30T18:26:39Z)
• D-Unet: A Dual-encoder U-Net for Image Splicing Forgery Detection and Localization [108.8592577019391]
  画像スプライシング偽造検出は、画像指紋によって改ざんされた領域と非改ざんされた領域を区別するグローバルバイナリ分類タスクである。 画像スプライシングフォージェリ検出のためのデュアルエンコーダU-Net(D-Unet)という,固定されていないエンコーダと固定エンコーダを用いた新しいネットワークを提案する。 D-Unetと最先端技術の比較実験において、D-Unetは画像レベルおよび画素レベルの検出において他の手法よりも優れていた。
  論文  参考訳（メタデータ） (2020-12-03T10:54:02Z)
• Semantics-aware Adaptive Knowledge Distillation for Sensor-to-Vision Action Recognition [131.6328804788164]
  本稿では,視覚・センサ・モダリティ(動画)における行動認識を強化するためのフレームワーク,Semantics-Aware Adaptive Knowledge Distillation Networks (SAKDN)を提案する。 SAKDNは複数のウェアラブルセンサーを教師のモダリティとして使用し、RGB動画を学生のモダリティとして使用している。
  論文  参考訳（メタデータ） (2020-09-01T03:38:31Z)

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。