Fugu-MT 論文翻訳(概要): Image Augmentation for Satellite Images

論文の概要: Image Augmentation for Satellite Images

arxiv url: http://arxiv.org/abs/2207.14580v1
Date: Fri, 29 Jul 2022 09:53:21 GMT
ステータス: 処理完了
システム内更新日: 2022-08-01 12:13:51.590660
Title: Image Augmentation for Satellite Images
Title（参考訳）: 衛星画像のための画像拡張
Authors: Oluwadara Adedeji, Peter Owoade, Opeyemi Ajayi, Olayiwola Arowolo
Abstract要約: 本研究では,土地利用・土地被覆(LULC)分類タスクにおいて,EuroSATデータセットを拡張するための生成モデル(GAN)を提案する。データセットの各クラスに対して,DCGANとWGAN-GPを用いて画像を生成する。次に、各ケースにおいて、元のデータセットを約10%増やすことがモデルパフォーマンスに与える影響について検討した。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by/4.0/
Abstract: This study proposes the use of generative models (GANs) for augmenting the EuroSAT dataset for the Land Use and Land Cover (LULC) Classification task. We used DCGAN and WGAN-GP to generate images for each class in the dataset. We then explored the effect of augmenting the original dataset by about 10% in each case on model performance. The choice of GAN architecture seems to have no apparent effect on the model performance. However, a combination of geometric augmentation and GAN-generated images improved baseline results. Our study shows that GANs augmentation can improve the generalizability of deep classification models on satellite images.
Abstract（参考訳）: 本研究では,土地利用・土地被覆(LULC)分類タスクにおいて,EuroSATデータセットを拡張するための生成モデル(GAN)を提案する。データセットの各クラスに対して,DCGANとWGAN-GPを用いて画像を生成する。次に、各ケースで元のデータセットを約10%増やすことが、モデルパフォーマンスに与える影響について検討した。 GANアーキテクチャの選択は、モデルのパフォーマンスに明らかな影響を与えていないようだ。しかし、幾何学的拡張とGAN生成画像の組み合わせにより、ベースライン結果が改善された。本研究により,衛星画像の深部分類モデルの一般化性の向上が期待できる。

関連論文リスト

DataDream: Few-shot Guided Dataset Generation [90.09164461462365]
実データ分布をより忠実に表現する分類データセットを合成するためのフレームワークを提案する。 DataDream fine-tunes LoRA weights for the image generation model on the few real image before generated the training data using the adapt model。次に、合成データを用いてCLIPのLoRA重みを微調整し、様々なデータセットに対する以前のアプローチよりも下流画像の分類を改善する。
論文参考訳（メタデータ） (2024-07-15T17:10:31Z)
Additional Look into GAN-based Augmentation for Deep Learning COVID-19 Image Classification [57.1795052451257]
我々は,GANに基づく拡張性能のデータセットサイズ依存性について,小サンプルに着目して検討した。両方のセットでStyleGAN2-ADAをトレーニングし、生成した画像の品質を検証した後、マルチクラス分類問題における拡張アプローチの1つとしてトレーニングされたGANを使用する。 GANベースの拡張アプローチは、中規模および大規模データセットでは古典的な拡張に匹敵するが、より小さなデータセットでは不十分である。
論文参考訳（メタデータ） (2024-01-26T08:28:13Z)
Assessment of a new GeoAI foundation model for flood inundation mapping [4.312965283062856]
そこで本稿は,IBM-NASAのPrithviによる地空間基盤モデルの性能評価を行い,地空間解析の重要課題である洪水浸水マッピングを支援する。実験では、ベンチマークデータセットであるSen1Floods11を使用し、モデルの予測可能性、一般化可能性、転送可能性を評価する。以上の結果から, 未確認領域におけるセグメンテーションにおけるPrithviモデルの性能上の優位性が示された。
論文参考訳（メタデータ） (2023-09-25T19:50:47Z)
Activation Regression for Continuous Domain Generalization with Applications to Crop Classification [48.795866501365694]
衛星画像の地理的変異は、機械学習モデルが新しい領域に一般化する能力に影響を与える。中分解能ランドサット8衛星画像の地理的一般化を連続領域適応問題としてモデル化する。我々は,アメリカ大陸全域に空間分布するデータセットを開発した。
論文参考訳（メタデータ） (2022-04-14T15:41:39Z)
InvGAN: Invertible GANs [88.58338626299837]
InvGANはInvertible GANの略で、高品質な生成モデルの潜在空間に実際の画像を埋め込むことに成功した。これにより、画像のインペイント、マージ、オンラインデータ拡張を実行できます。
論文参考訳（メタデータ） (2021-12-08T21:39:00Z)
A Generic Approach for Enhancing GANs by Regularized Latent Optimization [79.00740660219256]
本稿では,事前学習したGANを効果的かつシームレスに拡張できる,エミュレーティブモデル推論と呼ばれる汎用フレームワークを提案する。我々の基本的な考え方は、ワッサーシュタイン勾配流法を用いて与えられた要求に対する最適潜時分布を効率的に推算することである。
論文参考訳（メタデータ） (2021-12-07T05:22:50Z)
Sci-Net: a Scale Invariant Model for Building Detection from Aerial Images [0.0]
本研究では,空間分解能の異なる空間画像に存在している建物を分割できるスケール不変ニューラルネットワーク(Sci-Net)を提案する。具体的には,U-Netアーキテクチャを改良し,それを高密度なASPP(Atrous Space Pyramid Pooling)で融合し,微細なマルチスケール表現を抽出した。
論文参考訳（メタデータ） (2021-11-12T16:45:20Z)
Salient Objects in Clutter [130.63976772770368]
本稿では,既存の正当性オブジェクト検出(SOD)データセットの重大な設計バイアスを特定し,対処する。この設計バイアスは、既存のデータセットで評価した場合、最先端のSODモデルのパフォーマンスの飽和につながった。我々は,新しい高品質データセットを提案し,前回のsaliencyベンチマークを更新する。
論文参考訳（メタデータ） (2021-05-07T03:49:26Z)
Improving Augmentation and Evaluation Schemes for Semantic Image Synthesis [16.097324852253912]
本稿では,GAN(Generative Adversarial Network)に特化して設計された新しい拡張方式を提案する。本稿では,ジェネレータへの入力として使用するセマンティックラベルマップのオブジェクト形状をランダムにワープする。ワープされたラベルマップと非ワープされたラベルマップと画像の間の局所的な形状の相違により、GANはシーンの構造的および幾何学的詳細をよりよく学習することができる。
論文参考訳（メタデータ） (2020-11-25T10:55:26Z)
CG-Net: Conditional GIS-aware Network for Individual Building Segmentation in VHR SAR Images [25.87229252642239]
本稿では,大規模都市部における単一VHR SAR画像からの建物分割の問題点について述べる。我々はGISデータから構築するフットプリントを補完情報として紹介し、新しい条件付きGIS対応ネットワーク(CG-Net)を提案する。提案モデルでは,多段階の視覚的特徴を学習し,SAR画像におけるマスクの予測のための特徴を正規化するために,建築フットプリントを用いる。
論文参考訳（メタデータ） (2020-11-17T01:52:22Z)
DeshuffleGAN: A Self-Supervised GAN to Improve Structure Learning [0.0]
我々は、GAN性能を改善する上で重要なポイントの1つは、データ内の空間構造を学習する能力を備えたモデルを提供することであると主張している。ランダムにシャッフルされた画像タイルのパズルを解くデシャッフルタスクを導入し、デシャッフルGANが空間構造と現実的な外観の表現能力を向上させるのに役立つ。
論文参考訳（メタデータ） (2020-06-15T19:06:07Z)

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。