Fugu-MT 論文翻訳(概要): A Dual Neighborhood Hypergraph Neural Network for Change Detection in VHR Remote Sensing Images

論文の概要: A Dual Neighborhood Hypergraph Neural Network for Change Detection in VHR Remote Sensing Images

arxiv url: http://arxiv.org/abs/2202.13275v1
Date: Sun, 27 Feb 2022 02:39:08 GMT
ステータス: 処理完了
システム内更新日: 2022-03-01 16:41:29.927529
Title: A Dual Neighborhood Hypergraph Neural Network for Change Detection in VHR Remote Sensing Images
Title（参考訳）: VHRリモートセンシング画像における変化検出のための二重近傍ハイパーグラフニューラルネットワーク
Authors: Junzheng Wu, Ruigang Fu, Qiang Liu, Weiping Ni, Kenan Cheng, Biao Li, Yuli Sun
Abstract要約: 本稿では,双対近傍ハイパーグラフニューラルネットワークを提案する。提案手法は,多くの最先端手法と比較して有効性とロバスト性が高い。
参考スコア（独自算出の注目度）: 12.222830717774118
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: The very high spatial resolution (VHR) remote sensing images have been an extremely valuable source for monitoring changes occurred on the earth surface. However, precisely detecting relevant changes in VHR images still remains a challenge, due to the complexity of the relationships among ground objects. To address this limitation, a dual neighborhood hypergraph neural network is proposed in this article, which combines the multiscale superpixel segmentation and hypergraph convolution to model and exploit the complex relationships. First, the bi-temporal image pairs are segmented under two scales and fed to a pre-trained U-net to obtain node features by treating each object under the fine scale as a node. The dual neighborhood is then defined using the father-child and adjacent relationships of the segmented objects to construct the hypergraph, which permits models to represent the higher-order structured information far more complex than just pairwise relationships. The hypergraph convolutions are conducted on the constructed hypergraph to propagate the label information from a small amount of labeled nodes to the other unlabeled ones by the node-edge-node transform. Moreover, to alleviate the problem of imbalanced sample, the focal loss function is adopted to train the hypergraph neural network. The experimental results on optical, SAR and heterogeneous optical/SAR data sets demonstrate that the proposed method comprises better effectiveness and robustness compared to many state-of-the-art methods.
Abstract（参考訳）: 超高空間分解能(VHR)リモートセンシング画像は、地表で発生した変化を観測するための非常に貴重な情報源である。しかし、地上物体間の関係が複雑になるため、VHR画像の関連性の変化を正確に検出することは依然として困難である。この制限に対処するために,マルチスケールスーパーピクセルセグメンテーションとハイパーグラフ畳み込みを組み合わせて複雑な関係をモデル化し活用する,双対近傍ハイパーグラフニューラルネットワークを提案する。まず、両時間画像対を2つのスケールで分割し、事前訓練されたUネットに供給し、各オブジェクトを微細なスケールでノードとして扱い、ノード特徴を得る。双対近傍は、セグメント化されたオブジェクトの親子関係と隣接関係を用いて定義され、双対関係よりもはるかに複雑な高次構造情報を表現することができる。構築したハイパーグラフ上でハイパーグラフ畳み込みを行い、少数のラベル付きノードから他のラベル付きノードへのラベル情報をノードエッジノード変換により伝播させる。さらに、不均衡サンプル問題を軽減するために、ハイパーグラフニューラルネットワークを訓練するために焦点損失関数を採用する。光, sar, 異種光/sarデータを用いた実験結果から, 提案手法は最先端手法に比べ, 有効性とロバスト性が向上することが示された。

関連論文リスト

Hypergraph Transformer for Semi-Supervised Classification [50.92027313775934]
我々は新しいハイパーグラフ学習フレームワークHyperGraph Transformer(HyperGT)を提案する。 HyperGTはTransformerベースのニューラルネットワークアーキテクチャを使用して、すべてのノードとハイパーエッジのグローバル相関を効果的に検討する。局所接続パターンを保ちながら、グローバルな相互作用を効果的に組み込むことで、包括的なハイパーグラフ表現学習を実現する。
論文参考訳（メタデータ） (2023-12-18T17:50:52Z)
BOURNE: Bootstrapped Self-supervised Learning Framework for Unified Graph Anomaly Detection [50.26074811655596]
自己指導型自己学習(BOURNE)に基づく新しい統合グラフ異常検出フレームワークを提案する。ノードとエッジ間のコンテキスト埋め込みを交換することで、ノードとエッジの異常を相互に検出できる。 BOURNEは、負のサンプリングを必要としないため、大きなグラフを扱う際の効率を高めることができる。
論文参考訳（メタデータ） (2023-07-28T00:44:57Z)
Object Detection in Hyperspectral Image via Unified Spectral-Spatial Feature Aggregation [55.9217962930169]
S2ADetは、高スペクトル画像に固有の豊富なスペクトル情報と空間補完情報を利用する物体検出器である。 S2ADetは既存の最先端メソッドを超え、堅牢で信頼性の高い結果を達成する。
論文参考訳（メタデータ） (2023-06-14T09:01:50Z)
DualHGNN: A Dual Hypergraph Neural Network for Semi-Supervised Node Classification based on Multi-View Learning and Density Awareness [3.698434507617248]
グラフに基づく半教師付きノード分類は、研究価値と重要性の高い多くのアプリケーションにおいて最先端のアプローチであることが示されている。本稿では、ハイパーグラフ構造学習とハイパーグラフ表現学習を同時に統合した新しいデュアル接続モデルであるデュアルハイパーグラフニューラルネットワーク(DualHGNN)を提案する。
論文参考訳（メタデータ） (2023-06-07T07:40:04Z)
HyperNet: Self-Supervised Hyperspectral Spatial-Spectral Feature Understanding Network for Hyperspectral Change Detection [19.774857440703038]
HyperNetはピクセルレベルの自己監督型空間スペクトル理解ネットワークである。有効高スペクトル変化検出のための画素ワイド特徴表現を実現する。提案したHyperNetの有効性と一般化をテストするために,6つのハイパースペクトルデータセットが採用された。
論文参考訳（メタデータ） (2022-07-20T03:26:03Z)
Two-Stream Graph Convolutional Network for Intra-oral Scanner Image Segmentation [133.02190910009384]
本稿では,2ストリームグラフ畳み込みネットワーク(TSGCN)を提案する。 TSGCNは3次元歯(表面)セグメンテーションにおいて最先端の方法よりも優れています。
論文参考訳（メタデータ） (2022-04-19T10:41:09Z)
Learning Hierarchical Graph Representation for Image Manipulation Detection [50.04902159383709]
画像操作検出の目的は、画像内の操作された領域を特定し、特定することである。最近のアプローチでは、画像に残っている改ざんするアーティファクトをキャプチャするために、洗練された畳み込みニューラルネットワーク(CNN)が採用されている。本稿では2つの並列分岐からなる階層型グラフ畳み込みネットワーク(HGCN-Net)を提案する。
論文参考訳（メタデータ） (2022-01-15T01:54:25Z)
Residual Enhanced Multi-Hypergraph Neural Network [26.42547421121713]
HyperGraph Neural Network (HGNN) はハイパーグラフ表現学習のためのデファクト手法である。本稿では,各ハイパーグラフからのマルチモーダル情報を効果的に融合できるResidual enhanced Multi-Hypergraph Neural Networkを提案する。
論文参考訳（メタデータ） (2021-05-02T14:53:32Z)
A Multiscale Graph Convolutional Network for Change Detection in Homogeneous and Heterogeneous Remote Sensing Images [12.823633963080281]
リモートセンシング画像における変化検出(CD)は、常に研究の領域を広げています。本稿では,グラフ畳み込みネットワーク(gcn)に基づく新しいcd法と,均質画像と異種画像の両方に対して多スケールオブジェクトベース手法を提案する。
論文参考訳（メタデータ） (2021-02-16T09:26:31Z)
High-Order Information Matters: Learning Relation and Topology for Occluded Person Re-Identification [84.43394420267794]
本稿では,高次関係とトポロジ情報を識別的特徴とロバストなアライメントのために学習し,新しい枠組みを提案する。我々のフレームワークはOccluded-Dukeデータセットで最先端の6.5%mAPスコアを大幅に上回っている。
論文参考訳（メタデータ） (2020-03-18T12:18:35Z)

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。