論文の概要: Deep learning approaches to Earth Observation change detection
- arxiv url: http://arxiv.org/abs/2107.06132v1
- Date: Tue, 13 Jul 2021 14:34:59 GMT
- ステータス: 処理完了
- システム内更新日: 2021-07-14 14:56:29.578621
- Title: Deep learning approaches to Earth Observation change detection
- Title（参考訳）: 地球観測変化検出のための深層学習手法
- Authors: Antonio Di Pilato, Nicol\`o Taggio, Alexis Pompili, Michele
Iacobellis, Adriano Di Florio, Davide Passarelli, Sergio Samarelli
- Abstract要約: 本稿では,畳み込みニューラルネットワークを利用して良好な結果を得る,変化検出(セマンティックセグメンテーションと分類)の2つのアプローチを提案する。
本稿では,畳み込みニューラルネットワークを利用して良好な結果を得る,変化検出(セマンティックセグメンテーションと分類)のための2つのアプローチを提案する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: The interest for change detection in the field of remote sensing has
increased in the last few years. Searching for changes in satellite images has
many useful applications, ranging from land cover and land use analysis to
anomaly detection. In particular, urban change detection provides an efficient
tool to study urban spread and growth through several years of observation. At
the same time, change detection is often a computationally challenging and
time-consuming task, which requires innovative methods to guarantee optimal
results with unquestionable value and within reasonable time. In this paper we
present two different approaches to change detection (semantic segmentation and
classification) that both exploit convolutional neural networks to achieve good
results, which can be further refined and used in a post-processing workflow
for a large variety of applications.
- Abstract（参考訳）: 近年,リモートセンシング分野における変化検出への関心が高まっている。
衛星画像の変化の探索は、土地被覆や土地利用分析から異常検出まで、多くの有用な応用がある。
特に、都市変化検出は、数年間の観測を通して都市の拡大と成長を研究する効率的なツールを提供する。
同時に、変更検出は計算上困難かつ時間のかかるタスクであり、疑わしい値と妥当な時間内で最適な結果を保証するための革新的な方法が必要となる。
本稿では、畳み込みニューラルネットワークを用いて良好な結果を得るための2つの異なるアプローチ(セマンティックセグメンテーションと分類)を提案する。
関連論文リスト
- Show Me What and Where has Changed? Question Answering and Grounding for Remote Sensing Change Detection [82.65760006883248]
我々は,CDQAG (Change Detection Question Answering and Grounding) という新しいタスクを導入する。
CDQAGは、解釈可能なテキスト回答と直感的な視覚的証拠を提供することで、従来の変更検出タスクを拡張している。
QAG-360Kと呼ばれる最初のCDQAGベンチマークデータセットを構築し、360K以上の質問、テキスト回答、およびそれに対応する高品質な視覚マスクを含む。
論文 参考訳（メタデータ） (2024-10-31T11:20:13Z) - Exploring Foundation Models in Remote Sensing Image Change Detection: A Comprehensive Survey [2.9373912230684565]
変化検出は環境モニタリング,都市開発,土地利用分析などの分野に広く応用されている。
ディープラーニング、特に基礎モデルの開発は、特徴抽出とデータ融合のためのより強力なソリューションを提供してきた。
本稿では, リモートセンシングタスクにおける基礎モデルの適用を中心に, 変更検出の分野における最新の進歩を体系的にレビューする。
論文 参考訳（メタデータ） (2024-10-10T11:16:05Z) - Novel Change Detection Framework in Remote Sensing Imagery Using Diffusion Models and Structural Similarity Index (SSIM) [0.0]
変化検出はリモートセンシングにおいて重要な課題であり、環境変化、都市の成長、災害影響のモニタリングを可能にする。
近年の機械学習、特に拡散モデルのような生成モデルの発展は、変化検出精度を高める新たな機会を提供する。
本稿では,安定拡散モデルの強度と構造類似度指数(SSIM)を組み合わせ,頑健で解釈可能な変化マップを作成する新しい変化検出フレームワークを提案する。
論文 参考訳（メタデータ） (2024-08-20T07:54:08Z) - Change Detection Methods for Remote Sensing in the Last Decade: A
Comprehensive Review [45.78958623050146]
変更検出はリモートセンシングにおいて必須かつ広く利用されるタスクである。
時間とともに同じ地理的領域で起きている変化を検出し、分析することを目的としている。
ディープラーニングは、これらの課題を抽出し対処するための強力なツールとして登場した。
論文 参考訳（メタデータ） (2023-05-09T23:52:37Z) - 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) - Task-related self-supervised learning for remote sensing image change
detection [8.831857715361624]
リモートセンシング画像の変更検出は,都市変化の検出,災害評価,その他の分野に広く適用されている。
既存のCNNベースの変更検出手法の多くは、まだ不十分な擬似変化抑制と不十分な特徴表現の問題に悩まされている。
本研究では,タスク関連自己監視学習変化検出ネットワークに基づく,スムーズなメカニズムによる教師なし変化検出手法を提案する。
論文 参考訳（メタデータ） (2021-05-11T11:44:04Z) - 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) - Cross-domain Object Detection through Coarse-to-Fine Feature Adaptation [62.29076080124199]
本稿では,クロスドメインオブジェクト検出のための特徴適応手法を提案する。
粗粒度では、アテンション機構を採用して前景領域を抽出し、その辺縁分布に応じて整列する。
粒度の細かい段階では、同じカテゴリのグローバルプロトタイプと異なるドメインとの距離を最小化することにより、前景の条件分布アライメントを行う。
論文 参考訳（メタデータ） (2020-03-23T13:40:06Z) - DASNet: Dual attentive fully convolutional siamese networks for change
detection of high resolution satellite images [17.839181739760676]
研究の目的は、関心の変化情報を識別し、無関係な変更情報を干渉要因としてフィルタリングすることである。
近年、ディープラーニングの台頭により、変化検出のための新しいツールが提供され、目覚ましい結果が得られた。
我々は,高解像度画像における変化検出のための新しい手法,すなわち,二重注意型完全畳み込みシームズネットワーク(DASNet)を提案する。
論文 参考訳（メタデータ） (2020-03-07T16:57:10Z) - Multi-Task Incremental Learning for Object Detection [71.57155077119839]
マルチタスクは、知識と計算を共有しながら、複数のタスクを学習する。
古いデータにアクセスせずに漸進的に学習すると、過去の知識を壊滅的に忘れてしまう。
論文 参考訳（メタデータ） (2020-02-13T04:58:37Z)
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。