論文の概要: Self-Supervision, Remote Sensing and Abstraction: Representation Learning Across 3 Million Locations

• arxiv url: http://arxiv.org/abs/2203.04445v1
• Date: Tue, 8 Mar 2022 23:32:33 GMT
• ステータス: 処理完了
• システム内更新日: 2022-03-10 15:16:56.011162
• Title: Self-Supervision, Remote Sensing and Abstraction: Representation Learning Across 3 Million Locations
• Title（参考訳）: 自己監督・リモートセンシング・抽象化:300万箇所にわたる表現学習
• Authors: Sachith Seneviratne, Kerry A. Nice, Jasper S. Wijnands, Mark Stevenson, Jason Thompson
• Abstract要約: 我々は,200の都市から,自己管理手法が一般化可能な表現を構築できることを示す。 また,教師付き手法と比較して,このような手法の性能差がリモートセンシング画像にとって重要であることも確認した。
• 参考スコア（独自算出の注目度）: 7.860343491689477
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Self-supervision based deep learning classification approaches have received considerable attention in academic literature. However, the performance of such methods on remote sensing imagery domains remains under-explored. In this work, we explore contrastive representation learning methods on the task of imagery-based city classification, an important problem in urban computing. We use satellite and map imagery across 2 domains, 3 million locations and more than 1500 cities. We show that self-supervised methods can build a generalizable representation from as few as 200 cities, with representations achieving over 95\% accuracy in unseen cities with minimal additional training. We also find that the performance discrepancy of such methods, when compared to supervised methods, induced by the domain discrepancy between natural imagery and abstract imagery is significant for remote sensing imagery. We compare all analysis against existing supervised models from academic literature and open-source our models for broader usage and further criticism.
• Abstract（参考訳）: 自己超越に基づく深層学習分類アプローチは学術文献で注目されている。 しかし、リモートセンシング画像領域におけるそのような手法の性能は未検討のままである。 本研究では,都市コンピューティングにおいて重要な課題である画像に基づく都市分類の課題に対するコントラスト表現学習手法を検討する。 2つのドメイン、300万のロケーション、1500以上の都市にまたがる衛星画像と地図画像を使用します。 自己監督手法は,200都市に限らず,最小限の訓練を施した未確認都市において,95%以上の精度の表現を達成できることを示す。 また,自然画像と抽象画像の領域差による教師あり手法と比較すると,そのような手法の性能差はリモートセンシング画像において重要であることがわかった。 我々は、学術文献から既存の教師付きモデルと比較し、より広範な使用法とさらなる批判のために我々のモデルをオープンソース化する。

関連論文リスト

• Detecting Generated Images by Real Images Only [64.12501227493765]
  既存の画像検出手法は、生成画像中の視覚的アーティファクトを検出したり、大規模なトレーニングによって、実画像と生成画像の両方から識別的特徴を学習する。 本稿では,新たな視点から生成した画像検出問題にアプローチする。 実画像の共通性を見つけ、特徴空間内の密接な部分空間にマッピングすることで、生成した画像は生成モデルに関係なくサブ空間の外側に投影される。
  論文  参考訳（メタデータ） (2023-11-02T03:09:37Z)
• Saliency Guided Contrastive Learning on Scene Images [71.07412958621052]
  我々は、学習中のモデルの出力から導かれるサリエンシマップを活用し、差別的な領域を強調し、対照的な学習全体をガイドする。 提案手法は,画像上の自己教師学習の性能を,画像の線形評価において+1.1,+4.3,+2.2の精度で向上させる。
  論文  参考訳（メタデータ） (2023-02-22T15:54:07Z)
• Mitigating Urban-Rural Disparities in Contrastive Representation Learning with Satellite Imagery [19.93324644519412]
  土地被覆の特徴の特定における都市と農村の格差のリスクを考察する。 本稿では,畳み込みニューラルネットワークモデルの多レベル潜在空間を非バイアス化する手法として,コントラッシブラーニングを用いた高密度表現(FairDCL)を提案する。 得られた画像表現は、下流の都市と農村の予測格差を軽減し、現実の衛星画像の最先端のベースラインを上回ります。
  論文  参考訳（メタデータ） (2022-11-16T04:59:46Z)
• A domain adaptive deep learning solution for scanpath prediction of paintings [66.46953851227454]
  本稿では,ある絵画の視覚的体験における視聴者の眼球運動分析に焦点を当てた。 我々は、人間の視覚的注意を予測するための新しいアプローチを導入し、人間の認知機能に影響を及ぼす。 提案した新しいアーキテクチャは、画像を取り込んでスキャンパスを返す。
  論文  参考訳（メタデータ） (2022-09-22T22:27:08Z)
• Urban feature analysis from aerial remote sensing imagery using self-supervised and semi-supervised computer vision [8.124947412639704]
  コンピュータビジョンを用いたオーバーヘッド画像の解析は学術文献で注目されている問題である。 これらの問題は、表現学習の進歩を取り入れた、より汎用的なフレームワークの開発を通じて解決される。 6千万枚の未表示画像から10年間の都市インフラ進化の低レベル検出に成功したことは, 定量的都市研究を推し進めるための我々のアプローチの有意義な可能性を実証している。
  論文  参考訳（メタデータ） (2022-08-17T03:41:56Z)
• Segmenting across places: The need for fair transfer learning with satellite imagery [24.087993065704527]
  最先端のモデルは、都市部に比べて農村部での全体的な精度が良い。 本研究では, 都市部に比べて, 原産地と対象地域とでは, 生衛星画像が相違点が多いことを示す。
  論文  参考訳（メタデータ） (2022-04-09T02:14:56Z)
• Semi-Supervised Contrastive Learning for Remote Sensing: Identifying Ancient Urbanization in the South Central Andes [11.489739686646647]
  本研究では,95,358枚のラベル付き画像と5,830枚のラベル付き画像を用いて,長い尾を持つ衛星画像データセットから古代の建物を検知する問題の解決を行う。 我々の半教師付きコントラスト学習モデルは79.0%の精度で有望なテストを行い、他の最先端の手法と比べて3.8%改善した。
  論文  参考訳（メタデータ） (2021-12-13T06:26:47Z)
• Remote Sensing Image Scene Classification Meets Deep Learning: Challenges, Methods, Benchmarks, and Opportunities [81.29441139530844]
  本稿では,160以上の論文を網羅し,リモートセンシング画像シーン分類のためのディープラーニング手法の体系的調査を行う。 リモートセンシング画像シーンの分類と調査の主な課題について論じる。 リモートセンシング画像シーン分類に使用されるベンチマークを導入し,2ダース以上の代表アルゴリズムの性能を要約する。
  論文  参考訳（メタデータ） (2020-05-03T14:18:00Z)
• Extending and Analyzing Self-Supervised Learning Across Domains [50.13326427158233]
  近年,自己指導型表現学習が目覚ましい成果を上げている。 実験は主にImageNetや他の同様の大規模なインターネット画像データセット上で行われる。 我々は、前例のない様々なドメインで、いくつかのポピュラーな手法を実験した。
  論文  参考訳（メタデータ） (2020-04-24T21:18:02Z)
• Geometrically Mappable Image Features [85.81073893916414]
  地図内のエージェントの視覚に基づくローカライゼーションは、ロボット工学とコンピュータビジョンにおいて重要な問題である。 本稿では,画像検索を対象とした画像特徴学習手法を提案する。
  論文  参考訳（メタデータ） (2020-03-21T15:36:38Z)

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。