論文の概要: Active Learning for Improved Semi-Supervised Semantic Segmentation in
Satellite Images
- arxiv url: http://arxiv.org/abs/2110.07782v1
- Date: Fri, 15 Oct 2021 00:29:31 GMT
- ステータス: 処理完了
- システム内更新日: 2021-10-19 04:51:56.294315
- Title: Active Learning for Improved Semi-Supervised Semantic Segmentation in
Satellite Images
- Title(参考訳): 衛星画像における半教師付きセマンティックセグメンテーションの改善のためのアクティブラーニング
- Authors: Shasvat Desai and Debasmita Ghose
- Abstract要約: 半教師付きテクニックは、ラベル付きサンプルの小さなセットから擬似ラベルを生成する。
そこで我々は,ラベル付きトレーニングデータの集合を高度に代表的に選択するために,アクティブな学習に基づくサンプリング戦略を提案する。
我々はmIoUの27%の改善を報告し、2%のラベル付きデータをアクティブラーニングサンプリング戦略を用いて報告した。
- 参考スコア(独自算出の注目度): 1.0152838128195467
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Remote sensing data is crucial for applications ranging from monitoring
forest fires and deforestation to tracking urbanization. Most of these tasks
require dense pixel-level annotations for the model to parse visual information
from limited labeled data available for these satellite images. Due to the
dearth of high-quality labeled training data in this domain, there is a need to
focus on semi-supervised techniques. These techniques generate pseudo-labels
from a small set of labeled examples which are used to augment the labeled
training set. This makes it necessary to have a highly representative and
diverse labeled training set. Therefore, we propose to use an active
learning-based sampling strategy to select a highly representative set of
labeled training data. We demonstrate our proposed method's effectiveness on
two existing semantic segmentation datasets containing satellite images: UC
Merced Land Use Classification Dataset and DeepGlobe Land Cover Classification
Dataset. We report a 27% improvement in mIoU with as little as 2% labeled data
using active learning sampling strategies over randomly sampling the small set
of labeled training data.
- Abstract(参考訳): リモートセンシングデータは、森林火災の監視や森林破壊から都市化の追跡まで、アプリケーションにとって重要である。
これらのタスクのほとんどは、これらの衛星画像で利用可能な限定ラベルデータから視覚情報を解析するために、モデルに密集したピクセルレベルのアノテーションを必要とする。
このドメインにおける高品質なラベル付きトレーニングデータの不足のため、セミ教師付き技術に重点を置く必要がある。
これらのテクニックは、ラベル付きトレーニングセットの強化に使用されるラベル付きサンプルの小さなセットから擬似ラベルを生成する。
これにより、高度に代表的で多様なラベル付きトレーニングセットを持つ必要がある。
そこで本稿では,ラベル付きトレーニングデータの中から,アクティブな学習に基づくサンプリング手法を提案する。
衛星画像を含む2つの既存セマンティックセマンティックセマンティクスデータセット(UC Merced Land Use Classification Dataset)とDeepGlobe Land Cover Classification Dataset(DeepGlobe Land Cover Classification Dataset)に提案手法の有効性を示す。
本報告では,mIoUの27%の改善を,ラベル付きトレーニングデータの小さなセットをランダムにサンプリングする上で,アクティブラーニングサンプリング戦略を用いて,2%のラベル付きデータで報告する。
関連論文リスト
- Rethinking Transformers Pre-training for Multi-Spectral Satellite
Imagery [78.43828998065071]
教師なし学習の最近の進歩は、下流タスクにおける有望な結果を達成するための大きな視覚モデルの可能性を示している。
このような事前学習技術は、大量の未学習データが利用可能であることから、リモートセンシング領域でも最近研究されている。
本稿では,マルチモーダルで効果的に活用されるマルチスケール情報の事前学習と活用について述べる。
論文 参考訳(メタデータ) (2024-03-08T16:18:04Z) - Segment Together: A Versatile Paradigm for Semi-Supervised Medical Image
Segmentation [17.69933345468061]
医用画像セグメンテーションのための強力なディープラーニングモデルをトレーニングする上で、不足は大きな障害となっている。
textbfVersatile textbfSemi-supervised framework を導入する。
論文 参考訳(メタデータ) (2023-11-20T11:35:52Z) - GenCo: An Auxiliary Generator from Contrastive Learning for Enhanced
Few-Shot Learning in Remote Sensing [9.504503675097137]
我々は、バックボーンを事前訓練し、同時に特徴サンプルの変種を探索するジェネレータベースのコントラスト学習フレームワーク(GenCo)を導入する。
微調整では、補助ジェネレータを使用して、特徴空間内の限られたラベル付きデータサンプルを濃縮することができる。
本稿では,2つの重要なリモートセンシングデータセットにおいて,この手法の有効性を実証する。
論文 参考訳(メタデータ) (2023-07-27T03:59:19Z) - Navya3DSeg -- Navya 3D Semantic Segmentation Dataset & split generation
for autonomous vehicles [63.20765930558542]
3Dセマンティックデータは、障害物検出やエゴ-車両の局所化といった中核的な認識タスクに有用である。
そこで我々は,大規模生産段階の運用領域に対応する多様なラベル空間を持つ新しいデータセットであるNavala 3D(Navya3DSeg)を提案する。
ラベルのない23のラベル付きシーケンスと25の補足シーケンスが含まれており、ポイントクラウド上の自己教師付きおよび半教師付きセマンティックセマンティックセグメンテーションベンチマークを探索するために設計された。
論文 参考訳(メタデータ) (2023-02-16T13:41:19Z) - Semi-Supervised Image Captioning by Adversarially Propagating Labeled
Data [95.0476489266988]
本稿では、画像キャプションモデルの一般化を改善するための、新しいデータ効率半教師付きフレームワークを提案する。
提案手法は,キャプタにペアデータから学習し,段階的に未ペアデータの関連付けを行うよう訓練する。
1)画像ベースと(2)高密度領域ベースキャプションデータセットの両方を総合的かつ包括的な実験結果とし,それに続いて,少ないペアリングデータセットの包括的分析を行った。
論文 参考訳(メタデータ) (2023-01-26T15:25:43Z) - 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) - CaSP: Class-agnostic Semi-Supervised Pretraining for Detection and
Segmentation [60.28924281991539]
本稿では,タスク固有性バランスを向上するために,クラス非依存型半教師付き事前学習(CaSP)フレームワークを提案する。
我々は3.6Mの未ラベルデータを用いて、ImageNetで規定されたオブジェクト検出のベースラインよりも4.7%の顕著なパフォーマンス向上を達成した。
論文 参考訳(メタデータ) (2021-12-09T14:54:59Z) - Evaluating Self and Semi-Supervised Methods for Remote Sensing
Segmentation Tasks [4.7590051176368915]
我々は、下流タスク性能を改善するためにラベルのないデータを活用する、最近の自己および半教師付きML技術を評価する。
これらの手法は、ラベルなし画像へのアクセスが容易で、真理ラベルの取得が高価である場合が多いため、リモートセンシングタスクには特に有用である。
論文 参考訳(メタデータ) (2021-11-19T07:41:14Z) - 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) - Semi-weakly Supervised Contrastive Representation Learning for Retinal
Fundus Images [0.2538209532048867]
本稿では,半弱化アノテーションを用いた表現学習のための,半弱化教師付きコントラスト学習フレームワークを提案する。
SWCLの移動学習性能を7つの公立網膜眼底データセットで実証的に検証した。
論文 参考訳(メタデータ) (2021-08-04T15:50:09Z) - Weakly-supervised land classification for coastal zone based on deep
convolutional neural networks by incorporating dual-polarimetric
characteristics into training dataset [1.125851164829582]
本研究では, 空間偏光合成開口レーダ(PolSAR)を用いた意味的セグメンテーションにおけるDCNNの性能について検討する。
PolSARデータを用いたセマンティックセグメンテーションタスクは、SARデータの特徴とアノテート手順が考慮されている場合、弱い教師付き学習に分類することができる。
次に、SegNet、U-Net、LinkNetを含む3つのDCNNモデルが実装されている。
論文 参考訳(メタデータ) (2020-03-30T17:32:49Z)
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。