論文の概要: Change Detection from Synthetic Aperture Radar Images via Dual Path
Denoising Network
- arxiv url: http://arxiv.org/abs/2203.06543v1
- Date: Sun, 13 Mar 2022 01:51:51 GMT
- ステータス: 処理完了
- システム内更新日: 2022-03-19 16:30:13.849996
- Title: Change Detection from Synthetic Aperture Radar Images via Dual Path
Denoising Network
- Title(参考訳): Dual Path Denoising Networkによる合成開口レーダ画像からの変化検出
- Authors: Junjie Wang, Feng Gao, Junyu Dong, Qian Du, Heng-Chao Li
- Abstract要約: SAR画像変化検出のためのDual Path Denoising Network (DPDNet)を提案する。
我々は,事前分類に関わるラベルノイズをクリーンにするために,ランダムなラベル伝搬を導入する。
また,特徴表現学習のための特徴的パッチ畳み込みを提案する。
- 参考スコア(独自算出の注目度): 38.78699830610313
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Benefited from the rapid and sustainable development of synthetic aperture
radar (SAR) sensors, change detection from SAR images has received increasing
attentions over the past few years. Existing unsupervised deep learning-based
methods have made great efforts to exploit robust feature representations, but
they consume much time to optimize parameters. Besides, these methods use
clustering to obtain pseudo-labels for training, and the pseudo-labeled samples
often involve errors, which can be considered as "label noise". To address
these issues, we propose a Dual Path Denoising Network (DPDNet) for SAR image
change detection. In particular, we introduce the random label propagation to
clean the label noise involved in preclassification. We also propose the
distinctive patch convolution for feature representation learning to reduce the
time consumption. Specifically, the attention mechanism is used to select
distinctive pixels in the feature maps, and patches around these pixels are
selected as convolution kernels. Consequently, the DPDNet does not require a
great number of training samples for parameter optimization, and its
computational efficiency is greatly enhanced. Extensive experiments have been
conducted on five SAR datasets to verify the proposed DPDNet. The experimental
results demonstrate that our method outperforms several state-of-the-art
methods in change detection results.
- Abstract(参考訳): 合成開口レーダ(SAR)センサーの迅速かつ持続可能な開発に特化して、SAR画像からの変化検出がここ数年で注目されている。
既存の教師なしのディープラーニングベースの手法は、堅牢な特徴表現の活用に多大な努力を払っていますが、パラメータの最適化に多くの時間を費やしています。
さらに、これらの手法はクラスタリングを用いて擬似ラベルを訓練し、擬似ラベル付きサンプルはしばしば誤りを伴い、これは「ラベルノイズ」とみなすことができる。
これらの問題に対処するため、SAR画像変化検出のためのDual Path Denoising Network (DPDNet)を提案する。
特に,事前分類に関わるラベルノイズを浄化するために,ランダムなラベル伝搬を導入する。
また,特徴表現学習のための特徴的なパッチ畳み込みを提案する。
具体的には、注目機構を用いて特徴マップ内の特徴画素を選択し、これらの画素を取り巻くパッチを畳み込みカーネルとして選択する。
したがって、PDNetはパラメータ最適化のための多くのトレーニングサンプルを必要としておらず、その計算効率は大幅に向上している。
提案したPDNetを検証するため、5つのSARデータセットで大規模な実験が行われた。
実験の結果,本手法は変化検出結果においていくつかの最先端手法よりも優れていた。
関連論文リスト
- SIRST-5K: Exploring Massive Negatives Synthesis with Self-supervised
Learning for Robust Infrared Small Target Detection [53.19618419772467]
単一フレーム赤外線小ターゲット検出(SIRST)は、乱雑な背景から小さなターゲットを認識することを目的としている。
Transformerの開発に伴い、SIRSTモデルのスケールは常に増大している。
赤外線小ターゲットデータの多彩な多様性により,本アルゴリズムはモデル性能と収束速度を大幅に改善する。
論文 参考訳(メタデータ) (2024-03-08T16:14:54Z) - Augmenting Deep Learning Adaptation for Wearable Sensor Data through
Combined Temporal-Frequency Image Encoding [4.458210211781739]
本稿では、時間領域情報と周波数領域情報をシームレスに統合した、新しい修正繰り返しプロットベースの画像表現を提案する。
加速度センサを用いた活動認識データと事前訓練されたResNetモデルを用いて提案手法の評価を行い,既存の手法と比較して優れた性能を示す。
論文 参考訳(メタデータ) (2023-07-03T09:29:27Z) - Deep Metric Learning for Unsupervised Remote Sensing Change Detection [60.89777029184023]
リモートセンシング変化検出(RS-CD)は、マルチテンポラルリモートセンシング画像(MT-RSI)から関連する変化を検出することを目的とする。
既存のRS-CD法の性能は、大規模な注釈付きデータセットのトレーニングによるものである。
本稿では,これらの問題に対処可能なディープメトリック学習に基づく教師なしCD手法を提案する。
論文 参考訳(メタデータ) (2023-03-16T17:52:45Z) - Synthetic Aperture Radar Image Change Detection via Layer
Attention-Based Noise-Tolerant Network [36.860069663770226]
レイヤアテンションに基づく耐雑音性ネットワークLANTNetを提案する。
特に、異なる畳み込み層の機能を適応的に重み付けするレイヤーアテンションモジュールを設計する。
3つのSARデータセットの実験結果から,提案したLANTNetは,複数の最先端手法よりも優れた性能を示した。
論文 参考訳(メタデータ) (2022-08-09T01:04:39Z) - DDPM-CD: Denoising Diffusion Probabilistic Models as Feature Extractors
for Change Detection [31.125812018296127]
Deno Diffusion Probabilistic Model (DDPM) の事前学習による変化検出のための新しいアプローチを提案する。
DDPMは、訓練画像を徐々にマルコフ連鎖を用いてガウス分布に変換することにより、トレーニングデータ分布を学習する。
推論(サンプリング)中に、トレーニング分布に近い多様なサンプルセットを生成することができる。
LEVIR-CD, WHU-CD, DSIFN-CD, CDDデータセットを用いて行った実験により,提案手法は既存の変化検出法よりもF1スコアで大幅に優れており, I。
論文 参考訳(メタデータ) (2022-06-23T17:58:29Z) - SAR Despeckling using a Denoising Diffusion Probabilistic Model [52.25981472415249]
スペックルの存在は画像品質を劣化させ、SAR画像理解アプリケーションの性能に悪影響を及ぼす。
本稿では,SAR脱種のための拡散確率モデルであるSAR-DDPMを紹介する。
提案手法は, 最先端の切り離し法と比較して, 定量化と定性化の両面で有意な改善を実現している。
論文 参考訳(メタデータ) (2022-06-09T14:00:26Z) - Revisiting Consistency Regularization for Semi-supervised Change
Detection in Remote Sensing Images [60.89777029184023]
教師付きクロスエントロピー(CE)損失に加えて、教師なしCD損失を定式化する半教師付きCDモデルを提案する。
2つの公開CDデータセットを用いて実験を行った結果,提案手法は教師付きCDの性能に近づきやすいことがわかった。
論文 参考訳(メタデータ) (2022-04-18T17:59:01Z) - Change Detection from Synthetic Aperture Radar Images via Graph-Based
Knowledge Supplement Network [36.41983596642354]
画像変化検出のためのグラフベースの知識補足ネットワーク(GKSNet)を提案する。
より具体的には、既存のラベル付きデータセットから識別情報を付加的な知識として抽出する。
提案手法を検証するために,4つのSARデータセットについて広範な実験を行った。
論文 参考訳(メタデータ) (2022-01-22T02:50:50Z) - Robust Unsupervised Small Area Change Detection from SAR Imagery Using
Deep Learning [23.203687716051697]
合成開口レーダ(SAR)画像から小さな領域変化検出のための頑健な教師なし手法を提案する。
差分画像(DI)を生成するマルチスケールスーパーピクセル再構成法を開発した。
二段階中心拘束型ファジィc平均クラスタリングアルゴリズムを提案し、DIの画素を変化・変化・中間クラスに分割する。
論文 参考訳(メタデータ) (2020-11-22T12:50:08Z) - Change Point Detection in Time Series Data using Autoencoders with a
Time-Invariant Representation [69.34035527763916]
変化点検出(CPD)は、時系列データにおける急激な特性変化を見つけることを目的としている。
近年のCDD法は、深層学習技術を用いる可能性を示したが、信号の自己相関統計学におけるより微妙な変化を識別する能力に欠けることが多い。
我々は、新しい損失関数を持つオートエンコーダに基づく手法を用い、使用済みオートエンコーダは、CDDに適した部分的な時間不変表現を学習する。
論文 参考訳(メタデータ) (2020-08-21T15:03:21Z)
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。