論文の概要: NFANet: A Novel Method for Weakly Supervised Water Extraction from High-Resolution Remote Sensing Imagery

• arxiv url: http://arxiv.org/abs/2201.03686v1
• Date: Mon, 10 Jan 2022 23:05:48 GMT
• ステータス: 処理完了
• システム内更新日: 2022-01-12 19:50:34.790508
• Title: NFANet: A Novel Method for Weakly Supervised Water Extraction from High-Resolution Remote Sensing Imagery
• Title（参考訳）: NFANet:高分解能リモートセンシング画像からの弱補正水抽出法
• Authors: Ming Lu, Leyuan Fang, Muxing Li, Bob Zhang, Yi Zhang, Pedram Ghamisi
• Abstract要約: 我々は,水体抽出のためのポイントラベルの活用方法と,隣り合う特徴集約ネットワーク(NFANet)と呼ばれる新しい手法を提案する。 提案したNFANet法は, 弱教師付きアプローチに優れるだけでなく, 最先端手法と類似した結果が得られる。
• 参考スコア（独自算出の注目度）: 58.21586893161873
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The use of deep learning for water extraction requires precise pixel-level labels. However, it is very difficult to label high-resolution remote sensing images at the pixel level. Therefore, we study how to utilize point labels to extract water bodies and propose a novel method called the neighbor feature aggregation network (NFANet). Compared with pixellevel labels, point labels are much easier to obtain, but they will lose much information. In this paper, we take advantage of the similarity between the adjacent pixels of a local water-body, and propose a neighbor sampler to resample remote sensing images. Then, the sampled images are sent to the network for feature aggregation. In addition, we use an improved recursive training algorithm to further improve the extraction accuracy, making the water boundary more natural. Furthermore, our method utilizes neighboring features instead of global or local features to learn more representative features. The experimental results show that the proposed NFANet method not only outperforms other studied weakly supervised approaches, but also obtains similar results as the state-of-the-art ones.
• Abstract（参考訳）: 深層学習による水抽出には正確なピクセルレベルラベルが必要である。 しかし,高解像度リモートセンシング画像の画素レベルでのラベル付けは非常に困難である。 そこで本稿では,水体抽出にポイントラベルを用いる手法について検討し,NFANetと呼ばれる新しい手法を提案する。 ピクセルレベルラベルと比較すると、ポイントラベルはずっと入手しやすいが、多くの情報を失うだろう。 本稿では,近傍の水域の画素間の類似性を生かして,リモートセンシング画像のサンプル化を行う隣のサンプル装置を提案する。 そして、サンプル画像がネットワークに送られ、特徴集合となる。 さらに,改良された再帰的学習アルゴリズムを用いて抽出精度をさらに向上させ,水界の自然化を図る。 さらに,本手法では,グローバル機能やローカル機能の代わりに隣接機能を利用し,より代表的特徴を学習する。 実験結果から,NFANet法は弱教師付きアプローチよりも優れているだけでなく,最先端手法と類似した結果が得られることがわかった。

関連論文リスト

• Superpixels algorithms through network community detection [0.0]
  コミュニティ検出は複雑なネットワーク分析の強力なツールであり、様々な研究分野の応用を見出すことができる。 スーパーピクセルは、可能な限りオリジナル情報を保存しながら、画像をより小さなレベルで表現することを目的としている。 4つの連結画素グラフ上で,最先端のコミュニティ検出アルゴリズムによって計算されたスーパーピクセルの効率について検討した。
  論文  参考訳（メタデータ） (2023-08-27T13:13:28Z)
• Learning Heavily-Degraded Prior for Underwater Object Detection [59.5084433933765]
  本稿では、検出器フレンドリーな画像から、転送可能な事前知識を求める。 これは、検出器フレンドリー(DFUI)と水中画像の高度に劣化した領域が、特徴分布のギャップがあることを統計的に観察したものである。 高速かつパラメータの少ない本手法は変圧器型検出器よりも優れた性能を保っている。
  論文  参考訳（メタデータ） (2023-08-24T12:32:46Z)
• Training Methods of Multi-label Prediction Classifiers for Hyperspectral Remote Sensing Images [0.0]
  ハイパースペクトルリモートセンシング画像に対するマルチラベル・パッチレベルの分類法を提案する。 リモートセンシング画像から抽出した空間次元を縮小したパッチと全スペクトル深度を用いた。
  論文  参考訳（メタデータ） (2023-01-17T13:30:03Z)
• Improving Pixel-Level Contrastive Learning by Leveraging Exogenous Depth Information [7.561849435043042]
  近年,コントラスト学習(CL)に基づく自己指導型表現学習が注目されている。 本稿では,深度ネットワークを用いたり,利用可能なデータから測定したりすることで得られる深度情報に焦点を当てる。 比較損失におけるこの推定情報を用いることで、結果が改善され、学習された表現がオブジェクトの形状に従うのがよいことを示す。
  論文  参考訳（メタデータ） (2022-11-18T11:45:39Z)
• Learning from Pixel-Level Noisy Label : A New Perspective for Light Field Saliency Detection [40.76268976076642]
  光場画像による塩分濃度検出は、豊富な手がかりが得られれば魅力的になってきている。 そこで本研究では,手作り手作り手作り手作り手作り手作り手作り手作り手作り手作りの画素レベルの雑音ラベルから照度を学習する手法を提案する。
  論文  参考訳（メタデータ） (2022-04-28T12:44:08Z)
• Sample selection for efficient image annotation [14.695979686066066]
  監視対象検出は、人間レベルのパフォーマンスを達成する多くのベンチマークデータセットで成功したことが証明されている。 ラベルなしデータセットから最も有益な画像をサンプリングする効率的な画像選択手法を提案する。 本手法は,完全な手動ラベリング設定と比較して,手動アノテーション作業の最大80%を削減でき,ランダムサンプリングよりも優れた性能を発揮する。
  論文  参考訳（メタデータ） (2021-05-10T21:25:10Z)
• Split then Refine: Stacked Attention-guided ResUNets for Blind Single Image Visible Watermark Removal [69.92767260794628]
  従来の透かし除去方法は,ユーザから透かしの位置を取得したり,マルチタスクネットワークをトレーニングして,背景を無差別に復元する必要があった。 本稿では,注目誘導型ResUNetsを積み重ねた新しい2段階フレームワークを提案し,検出・除去・精錬の過程をシミュレートする。 様々な条件下で4つの異なるデータセット上でアルゴリズムを広範囲に評価し,その手法が他の最先端手法をはるかに上回っていることを示す実験を行った。
  論文  参考訳（メタデータ） (2020-12-13T09:05:37Z)
• High-Resolution Image Inpainting with Iterative Confidence Feedback and Guided Upsampling [122.06593036862611]
  既存の画像塗装法は、実アプリケーションで大きな穴を扱う際に、しばしばアーティファクトを生成する。 本稿では,フィードバック機構を備えた反復インペイント手法を提案する。 実験により,本手法は定量評価と定性評価の両方において既存手法よりも有意に優れていた。
  論文  参考訳（メタデータ） (2020-05-24T13:23:45Z)
• Weakly-Supervised Semantic Segmentation by Iterative Affinity Learning [86.45526827323954]
  弱教師付きセマンティックセグメンテーションは、トレーニングのためにピクセル単位のラベル情報が提供されないため、難しい課題である。 このようなペア関係を学習するための反復アルゴリズムを提案する。 本稿では,提案アルゴリズムが最先端手法に対して好適に動作することを示す。
  論文  参考訳（メタデータ） (2020-02-19T10:32:03Z)
• Image Fine-grained Inpainting [89.17316318927621]
  拡張畳み込みの密結合を利用してより大きく効果的な受容場を得る一段階モデルを提案する。 この効率的なジェネレータをよく訓練するために、頻繁に使用されるVGG特徴整合損失を除いて、新しい自己誘導回帰損失を設計する。 また、局所的・グローバルな分枝を持つ識別器を用いて、局所的・グローバルな内容の整合性を確保する。
  論文  参考訳（メタデータ） (2020-02-07T03:45:25Z)

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。