論文の概要: Reinforcement-based frugal learning for satellite image change detection

• arxiv url: http://arxiv.org/abs/2203.11564v1
• Date: Tue, 22 Mar 2022 09:37:24 GMT
• ステータス: 処理完了
• システム内更新日: 2022-03-23 14:15:58.951618
• Title: Reinforcement-based frugal learning for satellite image change detection
• Title（参考訳）: 衛星画像変化検出のための強化に基づくフラガーラーニング
• Authors: Sebastien Deschamps, Hichem Sahbi
• Abstract要約: 能動学習に基づく対話型衛星画像変化検出アルゴリズムを提案する。 提案されたアプローチは反復的であり、ターゲットとする変更についてユーザ(オーラル)に質問する。 本稿では,各未ラベルサンプルに関連度尺度を割り当てる確率的フレームワークについて検討する。
• 参考スコア（独自算出の注目度）: 12.18340575383456
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: In this paper, we introduce a novel interactive satellite image change detection algorithm based on active learning. The proposed approach is iterative and asks the user (oracle) questions about the targeted changes and according to the oracle's responses updates change detections. We consider a probabilistic framework which assigns to each unlabeled sample a relevance measure modeling how critical is that sample when training change detection functions. These relevance measures are obtained by minimizing an objective function mixing diversity, representativity and uncertainty. These criteria when combined allow exploring different data modes and also refining change detections. To further explore the potential of this objective function, we consider a reinforcement learning approach that finds the best combination of diversity, representativity and uncertainty, through active learning iterations, leading to better generalization as corroborated through experiments in interactive satellite image change detection.
• Abstract（参考訳）: 本稿では,能動学習に基づく対話型衛星画像変化検出アルゴリズムを提案する。 提案したアプローチは反復的であり、ターゲットとする変更についてユーザ(オークル)に質問し、オラクルのレスポンスによって変更検出が更新される。 我々は、各ラベルのないサンプルにアサインする確率的フレームワークについて検討する。 変更検出機能のトレーニングにおいて、そのサンプルがどの程度重要かをモデル化する。 これらの関連度は、多様性、表現性、不確実性を混合する目的関数を最小化する。 これらの基準を組み合わせることで、異なるデータモードの探索と変更検出の精査が可能になる。 この目的関数の可能性をさらに探究するため,我々は,インタラクティブな衛星画像変化検出実験による一般化に繋がる活発な学習反復を通じて,多様性,表現性,不確かさの最良の組み合わせを見出す強化学習手法を検討する。

関連論文リスト

• An Information Compensation Framework for Zero-Shot Skeleton-based Action Recognition [49.45660055499103]
  ゼロショットの人間の骨格に基づく行動認識は、トレーニング中に見られるカテゴリ外の行動を認識するモデルを構築することを目的としている。 従来の研究では、シーケンスの視覚的空間分布と意味的空間分布の整合性に焦点が当てられていた。 強固で頑健な表現を得るために,新たな損失関数サンプリング手法を提案する。
  論文  参考訳（メタデータ） (2024-06-02T06:53:01Z)
• Reinforcement-based Display-size Selection for Frugal Satellite Image Change Detection [5.656581242851759]
  能動学習に基づく対話型衛星画像変化検出アルゴリズムを提案する。 提案手法は反復的であり,最も重要な画像のラベルについてユーザ(オーラル)を軽率に探索する。
  論文  参考訳（メタデータ） (2023-12-28T11:14:43Z)
• Frugal Satellite Image Change Detection with Deep-Net Inversion [5.656581242851759]
  能動学習に基づく変化検出のための新しいアルゴリズムを考案する。 提案手法は,変化の関連性についてオラクル(ユーザ)を探索する質問・回答モデルに基づく。 主な貢献は、最も代表的で多様で不確実な仮想外見を学ぶことができる、新しい敵モデルにある。
  論文  参考訳（メタデータ） (2023-09-26T09:25:53Z)
• Variational Voxel Pseudo Image Tracking [127.46919555100543]
  不確実性推定は、ロボット工学や自律運転といった重要な問題にとって重要なタスクである。 本稿では,3次元物体追跡のためのVoxel Pseudo Image Tracking (VPIT) の変分ニューラルネットワークによるバージョンを提案する。
  論文  参考訳（メタデータ） (2023-02-12T13:34:50Z)
• Adversarial Virtual Exemplar Learning for Label-Frugal Satellite Image Change Detection [12.18340575383456]
  本稿では,能動学習を用いた衛星画像変化検出について検討する。 本手法は対話的であり,最も情報に富むディスプレイについて,神託者(ユーザ)に質問する質問・回答モデルに依存している。 本手法の主な貢献は,最も代表的で多様で不確実な仮想観念しか持たない,神託を軽率に探究できる,新しい敵対モデルである。
  論文  参考訳（メタデータ） (2022-12-28T17:46:20Z)
• Frugal Learning of Virtual Exemplars for Label-Efficient Satellite Image Change Detection [12.18340575383456]
  本稿では,能動学習に基づく対話型衛星画像変化検出アルゴリズムを提案する。 提案するフレームワークは反復的であり、最も情報に富むディスプレイについてオラクル(ユーザ)に質問する質問と回答モデルに依存している。 我々のフレームワークの貢献は、最も代表的で多様な仮想見本を選択できる新しい表示モデルに存在する。
  論文  参考訳（メタデータ） (2022-03-22T09:29:42Z)
• Reliable Shot Identification for Complex Event Detection via Visual-Semantic Embedding [72.9370352430965]
  本稿では,映像中の事象検出のための視覚的意味的誘導損失法を提案する。 カリキュラム学習に動機付け,高い信頼性の事例で分類器の訓練を開始するために,負の弾性正規化項を導入する。 提案する非ネット正規化問題の解法として,代替最適化アルゴリズムを開発した。
  論文  参考訳（メタデータ） (2021-10-12T11:46:56Z)
• Active learning for interactive satellite image change detection [12.907324263748817]
  本稿では,衛星画像変化検出のための新しい能動学習アルゴリズムを提案する。 提案手法は対話的で,質問と回答のモデルに基づいて,サンプル衛星画像対の関連性についてオラクルに質問する。 自然災害後の衛星画像変化検出作業(竜巻)に関する実験は,提案手法の関連性を示すものである。
  論文  参考訳（メタデータ） (2021-10-08T16:59:12Z)
• Meta-learning One-class Classifiers with Eigenvalue Solvers for Supervised Anomaly Detection [55.888835686183995]
  教師付き異常検出のためのニューラルネットワークに基づくメタラーニング手法を提案する。 提案手法は,既存の異常検出法や少数ショット学習法よりも優れた性能を実現することを実験的に実証した。
  論文  参考訳（メタデータ） (2021-03-01T01:43:04Z)
• Semantic Change Detection with Asymmetric Siamese Networks [71.28665116793138]
  2つの空中画像が与えられた場合、セマンティックチェンジ検出は、土地被覆のバリエーションを特定し、それらの変化タイプをピクセルワイド境界で識別することを目的としている。 この問題は、正確な都市計画や天然資源管理など、多くの地球ビジョンに関連するタスクにおいて不可欠である。 本研究では, 広く異なる構造を持つモジュールから得られた特徴対を用いて意味変化を同定し, 同定するための非対称システマネットワーク(ASN)を提案する。
  論文  参考訳（メタデータ） (2020-10-12T13:26:30Z)
• Adaptive Object Detection with Dual Multi-Label Prediction [78.69064917947624]
  本稿では,適応オブジェクト検出のための新しいエンド・ツー・エンドの非教師付き深部ドメイン適応モデルを提案する。 モデルはマルチラベル予測を利用して、各画像内の対象カテゴリ情報を明らかにする。 本稿では,オブジェクト検出を支援するための予測整合正則化機構を提案する。
  論文  参考訳（メタデータ） (2020-03-29T04:23:22Z)

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。