Fugu-MT 論文翻訳(概要): Land Classification in Satellite Images by Injecting Traditional Features to CNN Models

論文の概要: Land Classification in Satellite Images by Injecting Traditional Features to CNN Models

arxiv url: http://arxiv.org/abs/2207.10368v1
Date: Thu, 21 Jul 2022 08:53:34 GMT
ステータス: 処理完了
システム内更新日: 2022-07-22 12:19:49.714214
Title: Land Classification in Satellite Images by Injecting Traditional Features to CNN Models
Title（参考訳）: CNNモデルへの伝統的な特徴注入による衛星画像の土地分類
Authors: Mehmet Cagri Aksoy, Beril Sirmacek, Cem Unsalan
Abstract要約: CNNモデルは、衛星画像や空中画像を用いた土地分類問題の解法において高精度である。小型CNNモデルでは、大型版ほど精度は高くない。従来の特徴を注入することで,CNNモデルの精度,特に小型モデルの精度を向上させる新しい手法を提案する。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by-nc-nd/4.0/
Abstract: Deep learning methods have been successfully applied to remote sensing problems for several years. Among these methods, CNN based models have high accuracy in solving the land classification problem using satellite or aerial images. Although these models have high accuracy, this generally comes with large memory size requirements. On the other hand, it is desirable to have small-sized models for applications, such as the ones implemented on unmanned aerial vehicles, with low memory space. Unfortunately, small-sized CNN models do not provide high accuracy as with their large-sized versions. In this study, we propose a novel method to improve the accuracy of CNN models, especially the ones with small size, by injecting traditional features to them. To test the effectiveness of the proposed method, we applied it to the CNN models SqueezeNet, MobileNetV2, ShuffleNetV2, VGG16, and ResNet50V2 having size 0.5 MB to 528 MB. We used the sample mean, gray level co-occurrence matrix features, Hu moments, local binary patterns, histogram of oriented gradients, and color invariants as traditional features for injection. We tested the proposed method on the EuroSAT dataset to perform land classification. Our experimental results show that the proposed method significantly improves the land classification accuracy especially when applied to small-sized CNN models.
Abstract（参考訳）: 深層学習法は,近年,リモートセンシング問題に適用されている。これらの手法のうち、CNNベースのモデルは衛星画像や空中画像を用いた土地分類問題の精度が高い。これらのモデルは精度が高いが、一般に大きなメモリサイズ要件が伴う。一方,無人航空機に実装されているような,メモリスペースの少ない小型の応用モデルが望ましい。残念なことに、小型CNNモデルでは、大きなバージョンでは高い精度が得られない。本研究では,CNNモデル,特に小型モデルにおいて,従来の特徴を注入することにより精度を向上させる手法を提案する。提案手法の有効性を検証するため, 0.5MBから528MBのCNNモデルSqueezeNet, MobileNetV2, ShuffleNetV2, VGG16, ResNet50V2に適用した。試料の平均値, グレーレベル共起行列, Huモーメント, 局所二分パターン, 配向勾配のヒストグラム, カラー不変量を注射の伝統的な特徴として用いた。土地分類を行うために,提案手法をEuroSATデータセット上で検証した。提案手法は,特に小規模のcnnモデルに適用すると,土地分類精度が著しく向上することを示す。

関連論文リスト

Scale-Invariant Object Detection by Adaptive Convolution with Unified Global-Local Context [3.061662434597098]
本稿では,効率的なDetモデルに基づくSAC-Net(Switchable Atrous Convolutional Network)を用いたオブジェクト検出モデルを提案する。提案したSAC-Netは,マルチスケールオブジェクト検出タスクの性能向上を実現するために,低レベル機能と高レベル機能の両方の利点をカプセル化している。ベンチマークデータセットを用いた実験により,提案したSAC-Netは,精度の点で最先端モデルよりも優れた性能を示した。
論文参考訳（メタデータ） (2024-09-17T10:08:37Z)
A Comparative Analysis of CNN-based Deep Learning Models for Landslide Detection [0.0]
インド北部とネパールの地すべりは大きな破壊をもたらし、インフラを損傷し、地域社会に脅威を与えている。近年のインド北部とネパールの地すべりは、大きな破壊を招き、インフラを損傷し、地域社会に脅威を与えている。ディープラーニング技術の一種であるCNNは、画像処理において顕著な成功を収めている。
論文参考訳（メタデータ） (2024-08-03T07:20:10Z)
EdgeNeXt: Efficiently Amalgamated CNN-Transformer Architecture for Mobile Vision Applications [68.35683849098105]
入力テンソルを複数のチャネルグループに分割するSDTAエンコーダを導入する。 1.3Mパラメータを持つEdgeNeXtモデルでは、ImageNet-1Kで71.2%のTop-1精度を実現している。パラメータ5.6MのEdgeNeXtモデルでは、ImageNet-1Kで79.4%のTop-1精度を実現しています。
論文参考訳（メタデータ） (2022-06-21T17:59:56Z)
Channel Pruned YOLOv5-based Deep Learning Approach for Rapid and Accurate Outdoor Obstacles Detection [6.703770367794502]
1段階のアルゴリズムは、大量のデータをトレーニングする必要があるターゲット検出システムで広く使われている。畳み込み構造のため、より多くの計算能力とメモリ消費が必要である。対象検出ネットワークにプルーニング戦略を適用し,パラメータ数とモデルサイズを削減した。
論文参考訳（メタデータ） (2022-04-27T21:06:04Z)
Real-time Human Detection Model for Edge Devices [0.0]
畳み込みニューラルネットワーク(CNN)は、検出と分類タスクにおいて、従来の特徴抽出と機械学習モデルを置き換える。最近、リアルタイムタスクのために軽量CNNモデルが導入されている。本稿では,Raspberry Piのような限られたエッジデバイスに適合するCNNベースの軽量モデルを提案する。
論文参考訳（メタデータ） (2021-11-20T18:42:17Z)
Greedy Network Enlarging [53.319011626986004]
本稿では,計算のリアルタイム化に基づくグリーディ・ネットワーク拡大手法を提案する。異なる段階の計算をステップバイステップで修正することで、拡張されたネットワークはMACの最適な割り当てと利用を提供する。 GhostNetへの我々の手法の適用により、最先端の80.9%と84.3%のImageNet Top-1アキュラシーを実現する。
論文参考訳（メタデータ） (2021-07-31T08:36:30Z)
ALT-MAS: A Data-Efficient Framework for Active Testing of Machine Learning Algorithms [58.684954492439424]
少量のラベル付きテストデータのみを用いて機械学習モデルを効率的にテストする新しいフレームワークを提案する。ベイズニューラルネットワーク(bnn)を用いたモデルアンダーテストの関心指標の推定が目的である。
論文参考訳（メタデータ） (2021-04-11T12:14:04Z)
The Case for High-Accuracy Classification: Think Small, Think Many! [4.817521691828748]
簡単な色特徴の組み合わせに基づく効率的で軽量な深層分類アンサンブル構造を提案する。評価の結果,resnet-50モデルと比較して予測精度が大幅に向上した。
論文参考訳（メタデータ） (2021-03-18T16:15:31Z)
PV-NAS: Practical Neural Architecture Search for Video Recognition [83.77236063613579]
ビデオタスクのためのディープニューラルネットワークは高度にカスタマイズされており、そのようなネットワークの設計にはドメインの専門家と高価な試行錯誤テストが必要である。ネットワークアーキテクチャ検索の最近の進歩により、画像認識性能は大幅に向上した。本研究では,実用的ビデオニューラルアーキテクチャ探索(PV-NAS)を提案する。
論文参考訳（メタデータ） (2020-11-02T08:50:23Z)
Local Grid Rendering Networks for 3D Object Detection in Point Clouds [98.02655863113154]
CNNは強力だが、全点の雲を高密度の3Dグリッドに酸化した後、点データに直接畳み込みを適用するのは計算コストがかかる。入力点のサブセットの小さな近傍を低解像度の3Dグリッドに独立してレンダリングする,新しい,原理化されたローカルグリッドレンダリング(LGR)演算を提案する。 ScanNetとSUN RGB-Dデータセットを用いた3次元オブジェクト検出のためのLGR-Netを検証する。
論文参考訳（メタデータ） (2020-07-04T13:57:43Z)
Approximation and Non-parametric Estimation of ResNet-type Convolutional Neural Networks [52.972605601174955]
本稿では,ResNet型CNNが重要な関数クラスにおいて最小誤差率を達成可能であることを示す。 Barron と H'older のクラスに対する前述のタイプの CNN の近似と推定誤差率を導出する。
論文参考訳（メタデータ） (2019-03-24T19:42:39Z)

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。