Fugu-MT 論文翻訳(概要): WHU-Stereo: A Challenging Benchmark for Stereo Matching of High-Resolution Satellite Images

論文の概要: WHU-Stereo: A Challenging Benchmark for Stereo Matching of High-Resolution Satellite Images

arxiv url: http://arxiv.org/abs/2206.02342v1
Date: Mon, 6 Jun 2022 04:01:46 GMT
ステータス: 処理完了
システム内更新日: 2022-06-08 05:06:08.013799
Title: WHU-Stereo: A Challenging Benchmark for Stereo Matching of High-Resolution Satellite Images
Title（参考訳）: WHU-Stereo:高解像度衛星画像のステレオマッチングのためのベンチマーク
Authors: Shenhong Li, Sheng He, San Jiang, Wanshou Jiang, Lin Zhang
Abstract要約: 本稿では、DLネットワークトレーニングとテストのステレオマッチングのための挑戦的なデータセットWHU-Stereoを作成し、公開する。このデータセットは、中国のGaoFen-7衛星(GF-7)から得られた空中LiDAR点雲と高解像度ステレオ画像を用いて作成されている。提案手法は,既存のステレオマッチング・データセットと同等の精度を達成できることを実証した。
参考スコア（独自算出の注目度）: 6.94910629833724
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Stereo matching of high-resolution satellite images (HRSI) is still a fundamental but challenging task in the field of photogrammetry and remote sensing. Recently, deep learning (DL) methods, especially convolutional neural networks (CNNs), have demonstrated tremendous potential for stereo matching on public benchmark datasets. However, datasets for stereo matching of satellite images are scarce. To facilitate further research, this paper creates and publishes a challenging dataset, termed WHU-Stereo, for stereo matching DL network training and testing. This dataset is created by using airborne LiDAR point clouds and high-resolution stereo imageries taken from the Chinese GaoFen-7 satellite (GF-7). The WHU-Stereo dataset contains more than 1700 epipolar rectified image pairs, which cover six areas in China and includes various kinds of landscapes. We have assessed the accuracy of ground-truth disparity maps, and it is proved that our dataset achieves comparable precision compared with existing state-of-the-art stereo matching datasets. To verify its feasibility, in experiments, the hand-crafted SGM stereo matching algorithm and recent deep learning networks have been tested on the WHU-Stereo dataset. Experimental results show that deep learning networks can be well trained and achieves higher performance than hand-crafted SGM algorithm, and the dataset has great potential in remote sensing application. The WHU-Stereo dataset can serve as a challenging benchmark for stereo matching of high-resolution satellite images, and performance evaluation of deep learning models. Our dataset is available at https://github.com/Sheng029/WHU-Stereo
Abstract（参考訳）: 高解像度衛星画像(HRSI)のステレオマッチングは、光度計やリモートセンシングの分野では依然として基本的な課題であるが難しい課題である。近年、ディープラーニング(DL)手法、特に畳み込みニューラルネットワーク(CNN)は、公開ベンチマークデータセット上でステレオマッチングに多大な可能性を示している。しかし,衛星画像のステレオマッチングのためのデータセットは乏しい。さらなる研究を容易にするために,本論文では,DLネットワークトレーニングとテストのステレオマッチングを目的とした,WHU-Stereoと呼ばれる挑戦的なデータセットを作成し,公開する。このデータセットは、中国のGaoFen-7衛星(GF-7)から得られた空中LiDAR点雲と高解像度ステレオ画像を用いて作成されている。 WHU-Stereoデータセットは、中国の6つの地域をカバーし、様々な風景を含む1700以上のエピポーラ補正画像ペアを含んでいる。地対不等地図の精度を評価し,既存のステレオマッチングデータセットと同等の精度が得られることを実証した。その実現可能性を検証するために、手作りのSGMステレオマッチングアルゴリズムと最近のディープラーニングネットワークがWHU-Stereoデータセットでテストされている。実験の結果、深層学習ネットワークは手作りのsgmアルゴリズムよりも高度に訓練でき、高い性能を達成でき、このデータセットはリモートセンシングアプリケーションにおいて大きな可能性を秘めている。 WHU-Stereoデータセットは、高解像度衛星画像のステレオマッチングとディープラーニングモデルの性能評価のための挑戦的なベンチマークとして機能する。私たちのデータセットはhttps://github.com/Sheng029/WHU-Stereoで公開されています。

関連論文リスト

FlightScope: A Deep Comprehensive Review of Aircraft Detection Algorithms in Satellite Imagery [2.9687381456164004]
本稿では,衛星画像中の航空機を識別するタスク用にカスタマイズされた,高度な物体検出アルゴリズム群を批判的に評価し,比較する。この研究は、YOLOバージョン5と8、より高速なRCNN、CenterNet、RetinaNet、RTMDet、DETRを含む一連の方法論を含む。 YOLOv5は空中物体検出のための堅牢なソリューションとして登場し、平均的精度、リコール、ユニオンのスコアに対するインターセクションによってその重要性を裏付けている。
論文参考訳（メタデータ） (2024-04-03T17:24:27Z)
Rethinking Transformers Pre-training for Multi-Spectral Satellite Imagery [78.43828998065071]
教師なし学習の最近の進歩は、下流タスクにおける有望な結果を達成するための大きな視覚モデルの可能性を示している。このような事前学習技術は、大量の未学習データが利用可能であることから、リモートセンシング領域でも最近研究されている。本稿では,マルチモーダルで効果的に活用されるマルチスケール情報の事前学習と活用について述べる。
論文参考訳（メタデータ） (2024-03-08T16:18:04Z)
An evaluation of Deep Learning based stereo dense matching dataset shift from aerial images and a large scale stereo dataset [2.048226951354646]
そこで本研究では,光検出・ランドング(LiDAR)と画像から直接地中不均質マップを生成する手法を提案する。多様なシーンタイプ、画像解像度、幾何学的構成を持つデータセット間の11の密マッチング手法を評価した。
論文参考訳（メタデータ） (2024-02-19T20:33:46Z)
Radio Map Estimation -- An Open Dataset with Directive Transmitter Antennas and Initial Experiments [49.61405888107356]
実世界の現実的な都市地図とオープンなデータソースからの航空画像とともに、シミュレーションされた経路損失無線マップのデータセットをリリースする。モデルアーキテクチャ,入力特徴設計,航空画像からの無線マップの推定に関する実験を行った。
論文参考訳（メタデータ） (2024-01-12T14:56:45Z)
Diffusion Models for Interferometric Satellite Aperture Radar [73.01013149014865]
確率拡散モデル (Probabilistic Diffusion Models, PDMs) は、最近、非常に有望な生成モデルのクラスとして登場した。ここでは、PDMを活用して、レーダーベースの衛星画像データセットを複数生成する。 PDMは複雑で現実的な構造を持つ画像を生成することに成功したが、サンプリング時間は依然として問題である。
論文参考訳（メタデータ） (2023-08-31T16:26:17Z)
UAVStereo: A Multiple Resolution Dataset for Stereo Matching in UAV Scenarios [0.6524460254566905]
本稿では,UAVStereoと呼ばれる多解像度UAVシナリオデータセットを構築し,34k以上のステレオ画像ペアが3つの典型的なシーンをカバーしている。本稿では,UAVシナリオにおける課題に対処する際の限界を明らかにするとともに,従来型および最先端のディープラーニング手法の評価を行う。
論文参考訳（メタデータ） (2023-02-20T16:45:27Z)
A benchmark dataset for deep learning-based airplane detection: HRPlanes [3.5297361401370044]
Google Earth(GE)の画像を用いて,高分解能平面(HRPlanes)と呼ばれる新しい航空機検出データセットを作成する。 HRPlanは、様々な衛星から得られた様々な地形、季節、衛星の幾何学的条件を表すために、世界中の様々な空港のGE画像を含む。予備的な結果から,提案したデータセットは将来のアプリケーションに有用なデータソースとベンチマークデータセットとなる可能性が示唆された。
論文参考訳（メタデータ） (2022-04-22T23:49:44Z)
Stereoscopic Universal Perturbations across Different Architectures and Datasets [60.021985610201156]
本研究では,画像の逆摂動が不均一性推定タスクの深部ステレオマッチングネットワークに与える影響について検討する。本稿では,データセット内の任意のステレオ画像対に追加されると,ステレオネットワークを騙すことのできる,単一の摂動セットを構築する方法を提案する。我々の摂動は、最先端のステレオネットワークのD1エラーを1%から87%に増やすことができる。
論文参考訳（メタデータ） (2021-12-12T02:11:31Z)
DeepSatData: Building large scale datasets of satellite images for training machine learning models [77.17638664503215]
本稿では,機械学習モデルの学習のための衛星画像データセットの自動生成のための設計検討を行う。本稿では,ニューラルネットワークの深層学習と評価の観点から直面する課題について論じる。
論文参考訳（メタデータ） (2021-04-28T15:13:12Z)
Learning Stereo from Single Images [41.32821954097483]
教師付きディープネットワークはステレオ画像対の対応を見つける最良の方法の一つである。地上の真理深度やそれに対応するステレオペアに高い依存度を持つことは不要である。単眼深度推定の最近の進歩に触発されて、単眼画像から可塑性不均一マップを生成し、その欠陥不均一マップを慎重に設計したパイプラインに使用し、ステレオトレーニングペアを生成する。
論文参考訳（メタデータ） (2020-08-04T12:22:21Z)
X-ModalNet: A Semi-Supervised Deep Cross-Modal Network for Classification of Remote Sensing Data [69.37597254841052]
我々はX-ModalNetと呼ばれる新しいクロスモーダルディープラーニングフレームワークを提案する。 X-ModalNetは、ネットワークの上部にある高レベルな特徴によって構築されたアップダスタブルグラフ上にラベルを伝搬するため、うまく一般化する。我々は2つのマルチモーダルリモートセンシングデータセット(HSI-MSIとHSI-SAR)上でX-ModalNetを評価し、いくつかの最先端手法と比較して大幅に改善した。
論文参考訳（メタデータ） (2020-06-24T15:29:41Z)

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。