論文の概要: Deep Convolutional Sparse Coding Network for Pansharpening with Guidance
of Side Information
- arxiv url: http://arxiv.org/abs/2103.05946v1
- Date: Wed, 10 Mar 2021 09:06:33 GMT
- ステータス: 処理完了
- システム内更新日: 2021-03-12 10:48:08.637283
- Title: Deep Convolutional Sparse Coding Network for Pansharpening with Guidance
of Side Information
- Title（参考訳）: サイド情報の誘導によるパンスハーピングのための深層畳み込みスパース符号化ネットワーク
- Authors: Shuang Xu and Jiangshe Zhang and Kai Sun and Zixiang Zhao and Lu Huang
and Junmin Liu and Chunxia Zhang
- Abstract要約: 本稿では,部分ガイド付き畳み込みスパース符号化(SCSC)モデルを提案する。
提案モデルは、SCSCpansharpening neural Network(SCSC-PNN)と呼ばれるディープニューラルネットワークとして一般化される。
3つの衛星の13の古典的な方法および最先端の方法と比較されて、数値実験はSCSC-PNNが他より優秀であることを示します。
- 参考スコア（独自算出の注目度）: 20.075225827771774
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Pansharpening is a fundamental issue in remote sensing field. This paper
proposes a side information partially guided convolutional sparse coding (SCSC)
model for pansharpening. The key idea is to split the low resolution
multispectral image into a panchromatic image related feature map and a
panchromatic image irrelated feature map, where the former one is regularized
by the side information from panchromatic images. With the principle of
algorithm unrolling techniques, the proposed model is generalized as a deep
neural network, called as SCSC pansharpening neural network (SCSC-PNN).
Compared with 13 classic and state-of-the-art methods on three satellites, the
numerical experiments show that SCSC-PNN is superior to others. The codes are
available at https://github.com/xsxjtu/SCSC-PNN.
- Abstract（参考訳）: Pansharpeningはリモートセンシングの分野で基本的な問題です。
本稿では,部分案内型畳み込みスパース符号化(SCSC)モデルを提案する。
鍵となる考え方は、低分解能マルチスペクトル画像をパンクロマティック画像関連特徴マップとパンクロマティック画像関連特徴マップに分割することであり、パンクロマティック画像の側情報によって前者が正規化される。
アルゴリズムアンローリング技術の原理により、提案モデルはSCSCpansharpening neural Network(SCSC-PNN)と呼ばれるディープニューラルネットワークとして一般化される。
3つの衛星の13の古典的な方法および最先端の方法と比較されて、数値実験はSCSC-PNNが他より優秀であることを示します。
コードはhttps://github.com/xsxjtu/SCSC-PNNで入手できる。
関連論文リスト
- Hyper-VolTran: Fast and Generalizable One-Shot Image to 3D Object
Structure via HyperNetworks [53.67497327319569]
画像から3Dまでを1つの視点から解く新しいニューラルレンダリング手法を提案する。
提案手法では, 符号付き距離関数を表面表現として使用し, 幾何エンコードボリュームとハイパーネットワークスによる一般化可能な事前処理を取り入れた。
本実験は,一貫した結果と高速な生成による提案手法の利点を示す。
論文 参考訳（メタデータ） (2023-12-24T08:42:37Z) - SeMLaPS: Real-time Semantic Mapping with Latent Prior Networks and
Quasi-Planar Segmentation [53.83313235792596]
本稿では,RGB-Dシーケンスからのリアルタイム意味マッピングのための新しい手法を提案する。
2DニューラルネットワークとSLAMシステムに基づく3Dネットワークと3D占有マッピングを組み合わせる。
本システムは,2D-3Dネットワークベースシステムにおいて,最先端のセマンティックマッピング品質を実現する。
論文 参考訳（メタデータ） (2023-06-28T22:36:44Z) - Learning to Pan-sharpening with Memories of Spatial Details [18.620393231064575]
現在のパンシャーピング法は、通常、ペア化されたパンクロマトグラフィー(PAN)とMSイメージを入力として必要とする。
本研究では,PAN画像の輪郭を構成するために,いくつかのベースエッジを格納するPAN非依存表現を開発する。
メモリベースのネットワークは、トレーニングフェーズ中に空間の詳細を抽出し記憶するように適合する。
論文 参考訳（メタデータ） (2023-06-28T13:03:43Z) - HSCNet++: Hierarchical Scene Coordinate Classification and Regression
for Visual Localization with Transformer [23.920690073252636]
本稿では,1枚のRGB画像から画素シーン座標を粗い方法で予測する階層的なシーン座標ネットワークを提案する。
提案手法は,HSCNetの拡張であり,大規模環境にロバストにスケールするコンパクトモデルの訓練を可能にする。
論文 参考訳（メタデータ） (2023-05-05T15:00:14Z) - Pixel2ISDF: Implicit Signed Distance Fields based Human Body Model from
Multi-view and Multi-pose Images [67.45882013828256]
我々は,複数の視点と人間のポーズを入力として,標準空間における衣服付き人間の再構築に焦点をあてる。
複数の入力画像を活用することで、ポーズメッシュ上の潜時符号を学習し、その後、標準空間内のメッシュに潜時符号を割り当てる。
本研究は,WCPA MVP-Human Body Challengeにおいて,人体形状を復元する作業を行い,第3の成果を得た。
論文 参考訳（メタデータ） (2022-12-06T05:30:49Z) - Scale Attention for Learning Deep Face Representation: A Study Against
Visual Scale Variation [69.45176408639483]
我々はスケール空間理論に頼って凸層を再構築する。
我々はSCale AttentioN Conv Neural Network(textbfSCAN-CNN)という新しいスタイルを構築した。
単発方式として、推論はマルチショット融合よりも効率的である。
論文 参考訳（メタデータ） (2022-09-19T06:35:04Z) - Visual Recognition with Deep Nearest Centroids [57.35144702563746]
我々は、概念的にエレガントで驚くほど効果的な大規模視覚認識ネットワークである深部セントロイド(DNC)を考案した。
パラメトリックと比較すると、DNCは画像分類(CIFAR-10, ImageNet)に優れ、画像認識(ADE20K, Cityscapes)を大いに起動する。
論文 参考訳（メタデータ） (2022-09-15T15:47:31Z) - 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) - Proximal PanNet: A Model-Based Deep Network for Pansharpening [11.695233311615498]
本稿では,モデルに基づく手法と深層学習手法を組み合わせることで,パンシャーピングのための新しいディープネットワークを提案する。
畳み込みニューラルネットワークを用いて近位演算子を学習することにより、反復アルゴリズムをPanNetと呼ばれるディープネットワークに展開する。
いくつかのベンチマークデータセットの実験結果から、我々のネットワークは定量的にも定性的にも他の先進的な手法よりも優れた性能を示している。
論文 参考訳（メタデータ） (2022-02-12T15:49:13Z) - Deep Gradient Projection Networks for Pan-sharpening [20.929492740317915]
本稿では,モデルに基づくディープパンシャーピング手法を提案する。
2つのブロックを積み重ねることで、グラデーションプロジェクションベースのパンスハーピングニューラルネットワークと呼ばれる新しいネットワークが構築される。
さまざまな種類の衛星データセットの実験結果は、新しいネットワークが視覚的および定量的に最先端の方法よりも優れていることを示しています。
論文 参考訳（メタデータ） (2021-03-08T07:51:58Z) - MP-ResNet: Multi-path Residual Network for the Semantic segmentation of
High-Resolution PolSAR Images [21.602484992154157]
本稿では,高解像度PolSAR画像のセマンティックセグメンテーションのためのマルチパスResNet(MP-ResNet)アーキテクチャを提案する。
従来のU字型エンコーダ・デコーダ畳み込みニューラルネットワーク(CNN)アーキテクチャと比較して、MP-ResNetは並列なマルチスケールブランチでセマンティックコンテキストを学習する。
論文 参考訳（メタデータ） (2020-11-10T13:28:36Z)
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。
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。