Fugu-MT 論文翻訳(概要): Unsupervised Change Detection in Hyperspectral Images using Feature Fusion Deep Convolutional Autoencoders

論文の概要: Unsupervised Change Detection in Hyperspectral Images using Feature Fusion Deep Convolutional Autoencoders

arxiv url: http://arxiv.org/abs/2109.04990v1
Date: Fri, 10 Sep 2021 16:52:31 GMT
ステータス: 処理完了
システム内更新日: 2021-09-13 15:25:44.849324
Title: Unsupervised Change Detection in Hyperspectral Images using Feature Fusion Deep Convolutional Autoencoders
Title（参考訳）: feature fusion deep convolutional autoencoderを用いたハイパースペクトル画像の教師なし変化検出
Authors: Debasrita Chakraborty and Ashish Ghosh
Abstract要約: 本研究の目的は,機能融合深部畳み込みオートエンコーダを用いた特徴抽出システムの構築である。提案手法は,全データセットの教師なし変更検出において,工法の状態よりも明らかに優れていた。
参考スコア（独自算出の注目度）: 15.978029004247617
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Binary change detection in bi-temporal co-registered hyperspectral images is a challenging task due to a large number of spectral bands present in the data. Researchers, therefore, try to handle it by reducing dimensions. The proposed work aims to build a novel feature extraction system using a feature fusion deep convolutional autoencoder for detecting changes between a pair of such bi-temporal co-registered hyperspectral images. The feature fusion considers features across successive levels and multiple receptive fields and therefore adds a competitive edge over the existing feature extraction methods. The change detection technique described is completely unsupervised and is much more elegant than other supervised or semi-supervised methods which require some amount of label information. Different methods have been applied to the extracted features to find the changes in the two images and it is found that the proposed method clearly outperformed the state of the art methods in unsupervised change detection for all the datasets.
Abstract（参考訳）: 両時間同時登録ハイパースペクトル画像におけるバイナリ変化検出は、データに多数のスペクトル帯域が存在するため難しい課題である。したがって、研究者は次元を減らしてそれを扱う。両時間共登録ハイパースペクトル画像間の変化を検出するための特徴融合深部畳み込みオートエンコーダを用いた特徴抽出システムの構築を目的とする。特徴融合は、連続したレベルと複数の受容領域にまたがる特徴を考慮し、従って既存の特徴抽出法に対する競争力を高める。記述された変更検出技術は完全に教師なしであり、ラベル情報を必要とする他の教師付きまたは半教師付きメソッドよりもはるかにエレガントである。抽出された特徴に異なる手法を適用して2つの画像から変化を見いだし,提案手法がすべてのデータセットに対する教師なし変化検出において,アートメソッドの状態を明らかに上回っていることがわかった。

関連論文リスト

A Dual Attentive Generative Adversarial Network for Remote Sensing Image Change Detection [6.906936669510404]
本稿では,高分解能なリモートセンシング画像変化検出タスクを実現するために,二重注意生成対向ネットワークを提案する。 DAGANフレームワークは、85.01%がIoU、91.48%がF1スコアであり、LEVIRデータセットの先進的な手法よりもパフォーマンスが良い。
論文参考訳（メタデータ） (2023-10-03T08:26:27Z)
MMNet: Multi-Collaboration and Multi-Supervision Network for Sequential Deepfake Detection [81.59191603867586]
シークエンシャルディープフェイク検出は、回復のための正しいシーケンスで偽の顔領域を特定することを目的としている。偽画像の復元には、逆変換を実装するための操作モデルの知識が必要である。顔画像の空間スケールや逐次順列化を扱うマルチコラボレーション・マルチスーパービジョンネットワーク(MMNet)を提案する。
論文参考訳（メタデータ） (2023-07-06T02:32:08Z)
Multimodal Industrial Anomaly Detection via Hybrid Fusion [59.16333340582885]
ハイブリッド核融合方式を用いた新しいマルチモーダル異常検出法を提案する。本モデルでは,MVTecD-3 ADデータセットにおける検出精度とセグメンテーション精度の両面で,最先端(SOTA)手法より優れている。
論文参考訳（メタデータ） (2023-03-01T15:48:27Z)
Multimodal Graph Learning for Deepfake Detection [10.077496841634135]
既存のディープフェイク検出器は、堅牢性と一般化を達成する上でいくつかの課題に直面している。本稿では,マルチモーダルグラフ学習(MGL)という新しいフレームワークを提案する。提案手法は,ディープフェイク検出のための特徴を効果的に識別し,活用することを目的としている。
論文参考訳（メタデータ） (2022-09-12T17:17:49Z)
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)
HyperNet: Self-Supervised Hyperspectral Spatial-Spectral Feature Understanding Network for Hyperspectral Change Detection [19.774857440703038]
HyperNetはピクセルレベルの自己監督型空間スペクトル理解ネットワークである。有効高スペクトル変化検出のための画素ワイド特徴表現を実現する。提案したHyperNetの有効性と一般化をテストするために,6つのハイパースペクトルデータセットが採用された。
論文参考訳（メタデータ） (2022-07-20T03:26:03Z)
Target-aware Dual Adversarial Learning and a Multi-scenario Multi-Modality Benchmark to Fuse Infrared and Visible for Object Detection [65.30079184700755]
本研究は、物体検出のために異なるように見える赤外線と可視画像の融合の問題に対処する。従来のアプローチでは、2つのモダリティの根底にある共通点を発見し、反復最適化またはディープネットワークによって共通空間に融合する。本稿では、融合と検出の連立問題に対する二段階最適化の定式化を提案し、その後、核融合と一般的に使用される検出ネットワークのためのターゲット認識デュアル逆学習(TarDAL)ネットワークに展開する。
論文参考訳（メタデータ） (2022-03-30T11:44:56Z)
ObjectFormer for Image Manipulation Detection and Localization [118.89882740099137]
画像操作の検出とローカライズを行うObjectFormerを提案する。画像の高周波特徴を抽出し,マルチモーダルパッチの埋め込みとしてRGB特徴と組み合わせる。各種データセットについて広範な実験を行い,提案手法の有効性を検証した。
論文参考訳（メタデータ） (2022-03-28T12:27:34Z)
A Joint Morphological Profiles and Patch Tensor Change Detection for Hyperspectral Imagery [2.9848983009488936]
多時間ハイパースペクトル画像は、変化した情報を検出するために使用することができる。変化特徴のスペクトル情報と空間情報の両方をよりよく発掘するため,JMPT法(Joint morphology and patch-tensor change detection)を提案する。 2つの実超スペクトルデータセットで行った実験は、提案した検出器がより良い検出性能を達成することを示す。
論文参考訳（メタデータ） (2022-01-20T07:34:17Z)
M2TR: Multi-modal Multi-scale Transformers for Deepfake Detection [74.19291916812921]
Deepfake技術によって生成された鍛造画像は、デジタル情報の信頼性に深刻な脅威をもたらします。本稿では,Deepfake検出のための微妙な操作アーチファクトを異なるスケールで捉えることを目的とする。最先端の顔スワッピングと顔の再現方法によって生成された4000のDeepFakeビデオで構成される高品質のDeepFakeデータセットSR-DFを紹介します。
論文参考訳（メタデータ） (2021-04-20T05:43:44Z)
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)

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。