論文の概要: Active learning for interactive satellite image change detection

• arxiv url: http://arxiv.org/abs/2110.04250v1
• Date: Fri, 8 Oct 2021 16:59:12 GMT
• ステータス: 処理完了
• システム内更新日: 2021-10-11 15:04:06.910299
• Title: Active learning for interactive satellite image change detection
• Title（参考訳）: インタラクティブ衛星画像変化検出のためのアクティブラーニング
• Authors: Hichem Sahbi and Sebastien Deschamps and Andrei Stoian
• Abstract要約: 本稿では,衛星画像変化検出のための新しい能動学習アルゴリズムを提案する。 提案手法は対話的で,質問と回答のモデルに基づいて,サンプル衛星画像対の関連性についてオラクルに質問する。 自然災害後の衛星画像変化検出作業(竜巻)に関する実験は,提案手法の関連性を示すものである。
• 参考スコア（独自算出の注目度）: 12.907324263748817
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We introduce in this paper a novel active learning algorithm for satellite image change detection. The proposed solution is interactive and based on a question and answer model, which asks an oracle (annotator) the most informative questions about the relevance of sampled satellite image pairs, and according to the oracle's responses, updates a decision function iteratively. We investigate a novel framework which models the probability that samples are relevant; this probability is obtained by minimizing an objective function capturing representativity, diversity and ambiguity. Only data with a high probability according to these criteria are selected and displayed to the oracle for further annotation. Extensive experiments on the task of satellite image change detection after natural hazards (namely tornadoes) show the relevance of the proposed method against the related work.
• Abstract（参考訳）: 本稿では,衛星画像変化検出のための新しい能動学習アルゴリズムを提案する。 提案手法は対話的であり,提案手法は,サンプル衛星画像の関連性に関する最も情報に富んだ質問をオラクル(アノテータ)に依頼する質問・回答モデルに基づいており,その回答に従って,決定関数を反復的に更新する。 本稿では,サンプルが関係する確率をモデル化する新しい枠組みについて検討する。この確率は,表現性,多様性,曖昧さを捉える目的関数を最小化することによって得られる。 これらの基準に従って高い確率のデータのみが選択され、さらにアノテーションとしてオラクルに表示される。 自然災害(竜巻)後の衛星画像変化検出の課題に関する広範囲な実験により,提案手法の関連課題に対する妥当性が示された。

関連論文リスト

• Reinforcement-based Display-size Selection for Frugal Satellite Image Change Detection [5.656581242851759]
  能動学習に基づく対話型衛星画像変化検出アルゴリズムを提案する。 提案手法は反復的であり,最も重要な画像のラベルについてユーザ(オーラル)を軽率に探索する。
  論文  参考訳（メタデータ） (2023-12-28T11:14:43Z)
• Innovative Horizons in Aerial Imagery: LSKNet Meets DiffusionDet for Advanced Object Detection [55.2480439325792]
  本稿では,LSKNetのバックボーンをDiffusionDetヘッドに統合したオブジェクト検出モデルの詳細な評価を行う。 提案手法は平均精度(MAP)を約45.7%向上させる。 この進歩は、提案された修正の有効性を強調し、航空画像解析の新しいベンチマークを設定する。
  論文  参考訳（メタデータ） (2023-11-21T19:49:13Z)
• Causal Feature Selection via Transfer Entropy [59.999594949050596]
  因果発見は、観察データによる特徴間の因果関係を特定することを目的としている。 本稿では,前向きと後向きの機能選択に依存する新たな因果的特徴選択手法を提案する。 精度および有限サンプルの場合の回帰誤差と分類誤差について理論的に保証する。
  論文  参考訳（メタデータ） (2023-10-17T08:04:45Z)
• Frugal Satellite Image Change Detection with Deep-Net Inversion [5.656581242851759]
  能動学習に基づく変化検出のための新しいアルゴリズムを考案する。 提案手法は,変化の関連性についてオラクル(ユーザ)を探索する質問・回答モデルに基づく。 主な貢献は、最も代表的で多様で不確実な仮想外見を学ぶことができる、新しい敵モデルにある。
  論文  参考訳（メタデータ） (2023-09-26T09:25:53Z)
• Adversarial Virtual Exemplar Learning for Label-Frugal Satellite Image Change Detection [12.18340575383456]
  本稿では,能動学習を用いた衛星画像変化検出について検討する。 本手法は対話的であり,最も情報に富むディスプレイについて,神託者(ユーザ)に質問する質問・回答モデルに依存している。 本手法の主な貢献は,最も代表的で多様で不確実な仮想観念しか持たない,神託を軽率に探究できる,新しい敵対モデルである。
  論文  参考訳（メタデータ） (2022-12-28T17:46:20Z)
• Reinforcement-based frugal learning for satellite image change detection [12.18340575383456]
  能動学習に基づく対話型衛星画像変化検出アルゴリズムを提案する。 提案されたアプローチは反復的であり、ターゲットとする変更についてユーザ(オーラル)に質問する。 本稿では,各未ラベルサンプルに関連度尺度を割り当てる確率的フレームワークについて検討する。
  論文  参考訳（メタデータ） (2022-03-22T09:37:24Z)
• Frugal Learning of Virtual Exemplars for Label-Efficient Satellite Image Change Detection [12.18340575383456]
  本稿では,能動学習に基づく対話型衛星画像変化検出アルゴリズムを提案する。 提案するフレームワークは反復的であり、最も情報に富むディスプレイについてオラクル(ユーザ)に質問する質問と回答モデルに依存している。 我々のフレームワークの貢献は、最も代表的で多様な仮想見本を選択できる新しい表示モデルに存在する。
  論文  参考訳（メタデータ） (2022-03-22T09:29:42Z)
• Detect and Locate: A Face Anti-Manipulation Approach with Semantic and Noise-level Supervision [67.73180660609844]
  本稿では,画像中の偽造顔を効率的に検出する,概念的にシンプルだが効果的な方法を提案する。 提案手法は,画像に関する意味の高い意味情報を提供するセグメンテーションマップに依存する。 提案モデルでは,最先端検出精度と顕著なローカライゼーション性能を実現する。
  論文  参考訳（メタデータ） (2021-07-13T02:59:31Z)
• Sequential Transfer in Reinforcement Learning with a Generative Model [48.40219742217783]
  本稿では,従来の課題から知識を移譲することで,新たな課題を学習する際のサンプルの複雑さを軽減する方法について述べる。 この種の事前知識を使用することのメリットを明確に示すために,PAC境界のサンプル複雑性を導出する。 簡単なシミュレートされた領域における理論的な発見を実証的に検証する。
  論文  参考訳（メタデータ） (2020-07-01T19:53:35Z)
• UC-Net: Uncertainty Inspired RGB-D Saliency Detection via Conditional Variational Autoencoders [81.5490760424213]
  データラベリングプロセスから学習することで、RGB-Dサリエンシ検出に不確実性を利用するための第1のフレームワーク(UCNet)を提案する。 そこで本研究では,サリエンシデータラベリングにヒントを得て,確率的RGB-Dサリエンシ検出ネットワークを提案する。
  論文  参考訳（メタデータ） (2020-04-13T04:12:59Z)
• Adaptive Object Detection with Dual Multi-Label Prediction [78.69064917947624]
  本稿では,適応オブジェクト検出のための新しいエンド・ツー・エンドの非教師付き深部ドメイン適応モデルを提案する。 モデルはマルチラベル予測を利用して、各画像内の対象カテゴリ情報を明らかにする。 本稿では,オブジェクト検出を支援するための予測整合正則化機構を提案する。
  論文  参考訳（メタデータ） (2020-03-29T04:23:22Z)

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。