論文の概要: The QXS-SAROPT Dataset for Deep Learning in SAR-Optical Data Fusion
- arxiv url: http://arxiv.org/abs/2103.08259v1
- Date: Mon, 15 Mar 2021 10:22:46 GMT
- ステータス: 処理完了
- システム内更新日: 2021-03-16 14:16:47.104241
- Title: The QXS-SAROPT Dataset for Deep Learning in SAR-Optical Data Fusion
- Title(参考訳): SAR-Optical Data Fusionにおける深層学習のためのQXS-SAROPTデータセット
- Authors: Meiyu Huang, Yao Xu, Lixin Qian, Weili Shi, Yaqin Zhang, Wei Bao, Nan
Wang, Xuejiao Liu, Xueshuang Xiang
- Abstract要約: QXS-SAROPTデータセットを公開し、SAR-オプティカルデータ融合におけるディープラーニング研究を促進します。
光学画像からのクロスモーダル情報によって強化されたSAR光画像マッチングとSAR船舶検出の2つの代表的な用途の例を示す。
- 参考スコア(独自算出の注目度): 14.45289690639374
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Deep learning techniques have made an increasing impact on the field of
remote sensing. However, deep neural networks based fusion of multimodal data
from different remote sensors with heterogenous characteristics has not been
fully explored, due to the lack of availability of big amounts of perfectly
aligned multi-sensor image data with diverse scenes of high resolution,
especially for synthetic aperture radar (SAR) data and optical imagery. In this
paper, we publish the QXS-SAROPT dataset to foster deep learning research in
SAR-optical data fusion. QXS-SAROPT comprises 20,000 pairs of corresponding
image patches, collected from three port cities: San Diego, Shanghai and
Qingdao acquired by the SAR satellite GaoFen-3 and optical satellites of Google
Earth. Besides a detailed description of the dataset, we show exemplary results
for two representative applications, namely SAR-optical image matching and SAR
ship detection boosted by cross-modal information from optical images. Since
QXS-SAROPT is a large open dataset with multiple scenes of the highest
resolution of this kind, we believe it will support further developments in the
field of deep learning based SAR-optical data fusion for remote sensing.
- Abstract(参考訳): 深層学習技術はリモートセンシングの分野に影響を与えている。
しかし,多彩な特徴を有する異なるリモートセンサからのマルチモーダルデータの融合は,高分解能の多彩なシーン,特に合成開口レーダ(sar)データや光学画像において,大規模に完全に整列したマルチセンサ画像データが得られていないため,十分に検討されていない。
本稿では、QXS-SAROPTデータセットを公開し、SAR-オプティカルデータ融合における深層学習研究を促進する。
QXS-SAROPTは、SAR衛星GaoFen-3とGoogle Earthの光学衛星によって取得されたサンディエゴ、上海、清道の3つの港湾都市から収集された2万枚の画像パッチで構成されている。
データセットの詳細な説明に加えて、光学画像からのクロスモーダル情報によって後押しされたSAR光学画像マッチングとSAR船舶検出という2つの代表的なアプリケーションの例結果を示します。
QXS-SAROPTは、この種の高解像度の複数のシーンを持つ大規模なオープンデータセットであるため、深層学習に基づくSAR-光データ融合の分野でのさらなる発展を支援すると信じている。
関連論文リスト
- SARDet-100K: Towards Open-Source Benchmark and ToolKit for Large-Scale
SAR Object Detection [83.21028626585986]
我々は,大規模SARオブジェクト検出のための新しいベンチマークデータセットとオープンソース手法を構築した。
私たちのデータセットであるSARDet-100Kは、10の既存のSAR検出データセットの厳格な調査、収集、標準化の結果です。
私たちの知る限りでは、SARDet-100KはCOCOレベルの大規模マルチクラスSARオブジェクト検出データセットとしては初めてのものです。
論文 参考訳(メタデータ) (2024-03-11T09:20:40Z) - SDF2Net: Shallow to Deep Feature Fusion Network for PolSAR Image
Classification [1.2349871196144497]
畳み込みニューラルネットワーク(CNN)は, PolSAR画像の特徴を捉える上で重要な役割を担っている。
本研究では,PolSAR画像分類において,Shallow to Deep Feature Fusion Network (SDF2Net) と呼ばれる複素数値CNNの3分岐融合を提案する。
その結果、提案手法は全体的な精度の向上を示し、AIRSARデータセットは1.3%、0.8%、ESARデータセットは0.5%向上した。
論文 参考訳(メタデータ) (2024-02-27T16:46:21Z) - Diffusion Models for Interferometric Satellite Aperture Radar [73.01013149014865]
確率拡散モデル (Probabilistic Diffusion Models, PDMs) は、最近、非常に有望な生成モデルのクラスとして登場した。
ここでは、PDMを活用して、レーダーベースの衛星画像データセットを複数生成する。
PDMは複雑で現実的な構造を持つ画像を生成することに成功したが、サンプリング時間は依然として問題である。
論文 参考訳(メタデータ) (2023-08-31T16:26:17Z) - Object Detection in Hyperspectral Image via Unified Spectral-Spatial
Feature Aggregation [55.9217962930169]
S2ADetは、高スペクトル画像に固有の豊富なスペクトル情報と空間補完情報を利用する物体検出器である。
S2ADetは既存の最先端メソッドを超え、堅牢で信頼性の高い結果を達成する。
論文 参考訳(メタデータ) (2023-06-14T09:01:50Z) - xView3-SAR: Detecting Dark Fishing Activity Using Synthetic Aperture
Radar Imagery [52.67592123500567]
世界の漁業は海洋資源や生態系に大きな脅威をもたらす。
夜間または夜間、全天候下で暗黒船の自動検出が可能となった。
xView3-SARは、Sentinel-1ミッションから得られた1000近い分析可能なSAR画像で構成されている。
論文 参考訳(メタデータ) (2022-06-02T06:53:45Z) - SAR-ShipNet: SAR-Ship Detection Neural Network via Bidirectional
Coordinate Attention and Multi-resolution Feature Fusion [7.323279438948967]
本稿では,ニューラルネットワークによる合成開口レーダ(SAR)画像から,事実上有意義な船舶検出問題について検討する。
本稿では,CentralNetに基づく双方向協調注意(BCA)とMRF(Multi- resolution Feature Fusion)を新たに開発したSAR-ShipNet(略してSAR-ShipNet)を提案する。
パブリックなSAR-Shipデータセットの実験結果から,SAR-ShipNetは速度と精度の両面で競争上の優位性を達成していることがわかった。
論文 参考訳(メタデータ) (2022-03-29T12:27:04Z) - Deep-Learning-Based Single-Image Height Reconstruction from
Very-High-Resolution SAR Intensity Data [1.7894377200944511]
本稿では,リモートセンシングにおける他の重要なセンサモードである合成開口レーダ(SAR)データに対する,深層学習に基づく単一画像の高さ予測の初めての実演を示す。
SAR強度画像に対する畳み込みニューラルネットワーク(CNN)アーキテクチャの適用に加えて、トレーニングデータ生成のためのワークフローを提案する。
転送可能性に特に重点を置いているので、深層学習に基づく単一画像の高さ推定が可能であるだけでなく、目に見えないデータにかなりうまく転送可能であることを確認できます。
論文 参考訳(メタデータ) (2021-11-03T08:20:03Z) - Fully Polarimetric SAR and Single-Polarization SAR Image Fusion Network [8.227845719405051]
完全偏光合成開口レーダ(PolSAR)と単偏光合成開口レーダSAR(SinSAR)画像融合ネットワークを提案する。
偏光分解と偏光シグネチャの実験は、偏光情報がよく維持されていることを示している。
論文 参考訳(メタデータ) (2021-07-18T03:51:04Z) - Depth Estimation from Monocular Images and Sparse Radar Data [93.70524512061318]
本稿では,ディープニューラルネットワークを用いた単眼画像とレーダ点の融合により,より正確な深度推定を実現する可能性を検討する。
レーダ測定で発生するノイズが,既存の融合法の適用を妨げている主要な理由の1つであることが判明した。
実験はnuScenesデータセット上で行われ、カメラ、レーダー、LiDARの記録を様々な場面と気象条件で記録する最初のデータセットの1つである。
論文 参考訳(メタデータ) (2020-09-30T19:01:33Z) - X-ModalNet: A Semi-Supervised Deep Cross-Modal Network for
Classification of Remote Sensing Data [69.37597254841052]
我々はX-ModalNetと呼ばれる新しいクロスモーダルディープラーニングフレームワークを提案する。
X-ModalNetは、ネットワークの上部にある高レベルな特徴によって構築されたアップダスタブルグラフ上にラベルを伝搬するため、うまく一般化する。
我々は2つのマルチモーダルリモートセンシングデータセット(HSI-MSIとHSI-SAR)上でX-ModalNetを評価し、いくつかの最先端手法と比較して大幅に改善した。
論文 参考訳(メタデータ) (2020-06-24T15:29:41Z) - SpaceNet 6: Multi-Sensor All Weather Mapping Dataset [13.715388432549373]
オープンなMulti-Sensor All Weather Mapping (MSAW)データセットと課題について述べる。
MSAWは複数の重なり合う集合体を120 km2で覆っており、48,000以上のユニークな建物フットプリントラベルがアノテートされている。
我々は,SARデータを用いた足跡抽出のためのベースラインとベンチマークを提案し,光学データに基づいて事前訓練された最先端セグメンテーションモデルを発見し,SARで訓練した。
論文 参考訳(メタデータ) (2020-04-14T13:43:11Z)
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。