論文の概要: Hidden Path Selection Network for Semantic Segmentation of Remote
Sensing Images
- arxiv url: http://arxiv.org/abs/2112.05220v1
- Date: Thu, 9 Dec 2021 21:31:13 GMT
- ステータス: 処理完了
- システム内更新日: 2021-12-13 15:25:22.364067
- Title: Hidden Path Selection Network for Semantic Segmentation of Remote
Sensing Images
- Title(参考訳): リモートセンシング画像の意味セグメンテーションのための隠れ経路選択ネットワーク
- Authors: Kunping Yang, Xin-Yi Tong, Gui-Song Xia, Weiming Shen, Liangpei Zhang
- Abstract要約: リモートセンシング画像におけるセマンティックセグメンテーションは、広大な地理的な位置の様々な分布を表現する必要がある。
自然画像解析のための画素適応前方経路を選択するために,いくつかのアルゴリズムが設計されている。
余分なミニブランチから派生した隠れ変数の助けを借りて、HPS-Netはアクセス不能なグローバル最適化に関する固有の問題に取り組むことができる。
- 参考スコア(独自算出の注目度): 38.89222641689085
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Targeting at depicting land covers with pixel-wise semantic categories,
semantic segmentation in remote sensing images needs to portray diverse
distributions over vast geographical locations, which is difficult to be
achieved by the homogeneous pixel-wise forward paths in the architectures of
existing deep models. Although several algorithms have been designed to select
pixel-wise adaptive forward paths for natural image analysis, it still lacks
theoretical supports on how to obtain optimal selections. In this paper, we
provide mathematical analyses in terms of the parameter optimization, which
guides us to design a method called Hidden Path Selection Network (HPS-Net).
With the help of hidden variables derived from an extra mini-branch, HPS-Net is
able to tackle the inherent problem about inaccessible global optimums by
adjusting the direct relationships between feature maps and pixel-wise path
selections in existing algorithms, which we call hidden path selection. For the
better training and evaluation, we further refine and expand the 5-class Gaofen
Image Dataset (GID-5) to a new one with 15 land-cover categories, i.e., GID-15.
The experimental results on both GID-5 and GID-15 demonstrate that the proposed
modules can stably improve the performance of different deep structures, which
validates the proposed mathematical analyses.
- Abstract(参考訳): ピクセル単位のセマンティックカテゴリによる土地被覆の描写をターゲットとし、リモートセンシング画像における意味セグメンテーションは、広大な地理的位置における多様な分布を描写する必要があるが、既存の深層モデルのアーキテクチャにおける均質な画素単位の前方経路によって達成することは困難である。
いくつかのアルゴリズムは自然画像解析のために画素順に適応する前方経路を選択するよう設計されているが、最適な選択を得るための理論的支援はいまだに欠けている。
本稿では,隠れ経路選択ネットワーク (hidden path selection network, hps-net) と呼ばれる手法の設計を導くパラメータ最適化の観点から数学的解析を行う。
余剰のミニブランチから派生した隠れ変数の助けを借り、HPS-Netは特徴写像と既存アルゴリズムにおける画素幅の経路選択との直接的関係を調整することで、到達不能なグローバル最適性に関する固有の問題に取り組むことができる。
より優れたトレーニングと評価を行うため、5クラスのGaofen Image Dataset(GID-5)を15の土地被覆カテゴリ(GID-15)に改良・拡張する。
GID-5 と GID-15 の両実験結果から,提案モジュールは異なる深部構造の性能を安定的に向上できることを示した。
関連論文リスト
- DeepMerge: Deep-Learning-Based Region-Merging for Image Segmentation [7.063322114865965]
本稿では,DeepMergeと呼ばれる深層学習に基づく領域マージ手法を提案する。
これは、ディープラーニングを用いて類似性を学習し、RAGに隣接する類似のスーパーピクセルをマージする最初の方法である。
DeepMergeは最も高いF値(0.9550)と最も低い総誤差TE(0.0895)を達成し、異なるサイズのオブジェクトを正しく分割し、競合する全てのセグメンテーション法より優れている。
論文 参考訳(メタデータ) (2023-05-31T12:27:58Z) - Self-Training Guided Disentangled Adaptation for Cross-Domain Remote
Sensing Image Semantic Segmentation [20.07907723950031]
本稿では,クロスドメインRS画像セマンティックセグメンテーションタスクのための自己学習ガイド型不整合適応ネットワーク(ST-DASegNet)を提案する。
まず,ソースとターゲットの両方のイメージに対して,ソーススタイルとターゲットスタイルの特徴をそれぞれ抽出するために,ソース学生のバックボーンとターゲット学生のバックボーンを提案する。
次に、ユニバーサルな特徴を抽出し、ソーススタイルとターゲットスタイルの特徴の異なる特徴を浄化するために、ドメイン非絡み合いモジュールを提案する。
論文 参考訳(メタデータ) (2023-01-13T13:11:22Z) - I2F: A Unified Image-to-Feature Approach for Domain Adaptive Semantic
Segmentation [55.633859439375044]
意味的セグメンテーションのための教師なしドメイン適応(UDA)は、重いアノテーション作業から人々を解放する有望なタスクである。
この問題に対処する主要なアイデアは、画像レベルと特徴レベルの両方を共同で実行することである。
本稿では,画像レベルと特徴レベルを統一したセマンティックセグメンテーションのための新しいUDAパイプラインを提案する。
論文 参考訳(メタデータ) (2023-01-03T15:19:48Z) - Semantic Distribution-aware Contrastive Adaptation for Semantic
Segmentation [50.621269117524925]
ドメイン適応セマンティックセグメンテーション(ドメイン適応セマンティックセグメンテーション)とは、特定のソースドメインのアノテーションだけで特定のターゲットドメイン上で予測を行うことを指す。
画素ワイド表示アライメントを可能にする意味分布対応コントラスト適応アルゴリズムを提案する。
複数のベンチマークでSDCAを評価し、既存のアルゴリズムを大幅に改善します。
論文 参考訳(メタデータ) (2021-05-11T13:21:25Z) - Pixel-Level Cycle Association: A New Perspective for Domain Adaptive
Semantic Segmentation [169.82760468633236]
本稿では,ソースとターゲットの画素ペア間の画素レベルサイクルの関連性を構築することを提案する。
我々の手法は1段階のエンドツーエンドで訓練でき、追加のパラメータは導入しない。
論文 参考訳(メタデータ) (2020-10-31T00:11:36Z) - Super-Resolution Domain Adaptation Networks for Semantic Segmentation
via Pixel and Output Level Aligning [4.500622871756055]
本稿では、新しいエンドツーエンドセマンティックセマンティックセマンティクスネットワーク、すなわち超解法ドメイン適応ネットワーク(SRDA-Net)を設計する。
SRDA-Netは,超分解能タスクとドメイン適応タスクを同時に達成し,リモートセンシング画像のセマンティックセグメンテーションの必要性を満たす。
異なる解像度の2つのリモートセンシングデータセットの実験結果から、SRDA-Netは最先端の手法に対して好適に機能することが示された。
論文 参考訳(メタデータ) (2020-05-13T15:48:41Z) - Multi-Channel Attention Selection GANs for Guided Image-to-Image
Translation [148.9985519929653]
本稿では,画像から画像への変換のためのマルチチャネルアテンション選択生成支援ネットワーク(SelectionGAN)を提案する。
提案するフレームワークとモジュールは統合されたソリューションであり、セマンティック画像合成などの他の生成タスクに応用できる。
論文 参考訳(メタデータ) (2020-02-03T23:17:10Z) - Gated Path Selection Network for Semantic Segmentation [72.44994579325822]
我々は,適応的な受容場を学習することを目的とした,GPSNetという新しいネットワークを開発した。
GPSNetにおいて、我々はまず2次元のマルチスケールネットワーク、SuperNetを設計する。
望ましいセマンティックコンテキストを動的に選択するために、ゲート予測モジュールがさらに導入される。
論文 参考訳(メタデータ) (2020-01-19T12:32:17Z)
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。