Fugu-MT 論文翻訳(概要): Satellite Image Semantic Segmentation

論文の概要: Satellite Image Semantic Segmentation

arxiv url: http://arxiv.org/abs/2110.05812v1
Date: Tue, 12 Oct 2021 08:14:52 GMT
ステータス: 処理完了
システム内更新日: 2021-10-13 23:12:00.214144
Title: Satellite Image Semantic Segmentation
Title（参考訳）: 衛星画像のセマンティックセグメンテーション
Authors: Eric Gu\'erin, Killian Oechslin, Christian Wolf, Beno\^it Martinez
Abstract要約: 衛星画像の自動セマンティック・セマンティック・セマンティック・セマンティック・セマンティック・セマンティック・セマンティクスの6つのクラス(疎林、密林、湿地、草原形成、建物、道路)に分割する手法を提案する。 Swin Transformerアーキテクチャに頼り、IGNのオープンデータからデータセットを構築します。
参考スコア（独自算出の注目度）: 7.5456680887905145
License: http://creativecommons.org/licenses/by-sa/4.0/
Abstract: In this paper, we propose a method for the automatic semantic segmentation of satellite images into six classes (sparse forest, dense forest, moor, herbaceous formation, building, and road). We rely on Swin Transformer architecture and build the dataset from IGN open data. We report quantitative and qualitative segmentation results on this dataset and discuss strengths and limitations. The dataset and the trained model are made publicly available.
Abstract（参考訳）: 本稿では,衛星画像の自動セマンティクスセグメンテーションを6つのクラス(疎林,密林,湿原,草本形成,建築,道路)に分類する手法を提案する。 Swin Transformerアーキテクチャに頼り、IGNのオープンデータからデータセットを構築します。本稿では,このデータセットの定量および定性的セグメンテーション結果について報告し,強度と限界について考察する。データセットとトレーニングされたモデルは公開されています。

関連論文リスト

Evaluating the Efficacy of Cut-and-Paste Data Augmentation in Semantic Segmentation for Satellite Imagery [4.499833362998487]
本研究では,衛星画像のセマンティックセグメンテーションにおけるカット・アンド・ペースト拡張手法の有効性について検討した。私たちは、通常ラベル付きインスタンスを必要とするこの拡張を、セマンティックセグメンテーションのケースに適用します。評価のためにDynamicEarthNetデータセットとU-Netモデルを用いて、この拡張により、テストセットのmIoUスコアが37.9から44.1に大幅に向上することを発見した。
論文参考訳（メタデータ） (2024-04-08T17:18:30Z)
SatSynth: Augmenting Image-Mask Pairs through Diffusion Models for Aerial Semantic Segmentation [69.42764583465508]
我々は,地球観測における注釈付きデータの不足に対処するために,生成的画像拡散の可能性を探る。我々の知る限りでは、衛星セグメンテーションのための画像と対応するマスクの両方を最初に生成する。
論文参考訳（メタデータ） (2024-03-25T10:30:22Z)
GBSS:a global building semantic segmentation dataset for large-scale remote sensing building extraction [10.39943244036649]
我々は6大陸から116.9kのサンプル(約742kの建物)からなるグローバル・ビルディング・セマンティック・データセット(データセットを公開予定)を構築した。サイズとスタイルの点で、ビルドサンプルには大きなバリエーションがあるため、セマンティックセグメンテーションモデルの構築の一般化と堅牢性を評価する上で、データセットはより難しいベンチマークになり得る。
論文参考訳（メタデータ） (2024-01-02T12:13:35Z)
Learning Co-segmentation by Segment Swapping for Retrieval and Discovery [67.6609943904996]
この研究の目的は、一対のイメージから視覚的に類似したパターンを効率的に識別することである。画像中のオブジェクトセグメントを選択し、それを別の画像にコピーペーストすることで、合成トレーニングペアを生成する。提案手法は,Brueghelデータセット上でのアートワークの詳細検索に対して,明確な改善をもたらすことを示す。
論文参考訳（メタデータ） (2021-10-29T16:51:16Z)
Automatic labelling of urban point clouds using data fusion [1.8275108630751844]
本稿では,都市部における街路点雲のセマンティックセマンティックセグメンテーションのためのラベル付きデータセットを半自動生成する手法について述べる。我々は、標高データや大規模地形図などの公開データソースを用いたデータ融合技術を用いて、ポイントクラウドの一部を自動的にラベル付けする。これにより、ディープセマンティックセグメンテーションモデルをトレーニングするのに十分なラベル付きデータセットを作成するのに必要な時間が大幅に制限される。
論文参考訳（メタデータ） (2021-08-31T11:14:22Z)
Improving Semi-Supervised and Domain-Adaptive Semantic Segmentation with Self-Supervised Depth Estimation [94.16816278191477]
本稿では,セミアダプティブなセマンティックセマンティックセマンティックセグメンテーションのためのフレームワークを提案する。ラベルのない画像シーケンスでのみ訓練された自己教師付き単眼深度推定によって強化される。提案したモデルをCityscapesデータセット上で検証する。
論文参考訳（メタデータ） (2021-08-28T01:33:38Z)
DeepSatData: Building large scale datasets of satellite images for training machine learning models [77.17638664503215]
本稿では,機械学習モデルの学習のための衛星画像データセットの自動生成のための設計検討を行う。本稿では,ニューラルネットワークの深層学習と評価の観点から直面する課題について論じる。
論文参考訳（メタデータ） (2021-04-28T15:13:12Z)
Land Cover Semantic Segmentation Using ResUNet [0.0]
本稿では,土地被覆分類のための自動システムの開発について述べる。本システムは、入力として領域のマルチバンド衛星画像を取得し、入力と同じ解像度で領域のランドカバーマップを出力する。この目的のために、衛星画像の土地被覆セマンティックセグメンテーションを予測するために、畳み込み機械学習モデルを訓練した。
論文参考訳（メタデータ） (2020-10-13T10:56:09Z)
Campus3D: A Photogrammetry Point Cloud Benchmark for Hierarchical Understanding of Outdoor Scene [76.4183572058063]
複数の屋外シーン理解タスクに対して,リッチな注釈付き3Dポイントクラウドデータセットを提案する。データセットは階層型ラベルとインスタンスベースのラベルの両方でポイントワイズアノテートされている。本稿では,3次元点雲分割のための階層的学習問題を定式化し,様々な階層間の整合性を評価することを提案する。
論文参考訳（メタデータ） (2020-08-11T19:10:32Z)
PhraseCut: Language-based Image Segmentation in the Wild [62.643450401286]
自然言語のフレーズを与えられた画像領域を分割する問題について考察する。私たちのデータセットは、Visual Genomeデータセットの上に収集されます。我々の実験は、我々のデータセットにおける概念のスケールと多様性が、既存の最先端技術に重大な課題をもたらすことを示している。
論文参考訳（メタデータ） (2020-08-03T20:58:53Z)

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。