論文の概要: Graph Signal Processing for Heterogeneous Change Detection Part I: Vertex Domain Filtering

• arxiv url: http://arxiv.org/abs/2208.01881v1
• Date: Wed, 3 Aug 2022 07:22:45 GMT
• ステータス: 処理完了
• システム内更新日: 2022-08-04 14:12:47.989092
• Title: Graph Signal Processing for Heterogeneous Change Detection Part I: Vertex Domain Filtering
• Title（参考訳）: 不均一変化検出のためのグラフ信号処理 その1:頂点領域フィルタリング
• Authors: Yuli Sun, Lin Lei, Dongdong Guan, Gangyao Kuang, Li Liu
• Abstract要約: グラフ信号処理(GSP)の観点からHCDを解く不均一な変化検出問題に対する新しい戦略を提案する。 構造情報を取得するために,各画像のグラフを構築し,各画像をグラフ信号として扱う。 このようにして、HCDをGSP問題に変換し、2つのグラフ上で定義された異なるシステム上の2つの信号の応答の比較を行う。
• 参考スコア（独自算出の注目度）: 21.531426428400227
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: This paper provides a new strategy for the Heterogeneous Change Detection (HCD) problem: solving HCD from the perspective of Graph Signal Processing (GSP). We construct a graph for each image to capture the structure information, and treat each image as the graph signal. In this way, we convert the HCD into a GSP problem: a comparison of the responses of the two signals on different systems defined on the two graphs, which attempts to find structural differences (Part I) and signal differences (Part II) due to the changes between heterogeneous images. In this first part, we analyze the HCD with GSP from the vertex domain. We first show that for the unchanged images, their structures are consistent, and then the outputs of the same signal on systems defined on the two graphs are similar. However, once a region has changed, the local structure of the image changes, i.e., the connectivity of the vertex containing this region changes. Then, we can compare the output signals of the same input graph signal passing through filters defined on the two graphs to detect changes. We design different filters from the vertex domain, which can flexibly explore the high-order neighborhood information hidden in original graphs. We also analyze the detrimental effects of changing regions on the change detection results from the viewpoint of signal propagation. Experiments conducted on seven real data sets show the effectiveness of the vertex domain filtering based HCD method.
• Abstract（参考訳）: 本稿では、グラフ信号処理(GSP)の観点からHCDを解くという、異種変化検出(HCD)問題に対する新たな戦略を提案する。 構造情報を取得するために,各画像のグラフを構築し,各画像をグラフ信号として扱う。 このようにして、HCDをGSP問題に変換する: 2つのグラフ上に定義された異なるシステム上での2つの信号の応答の比較により、不均一な画像の変化による構造的差(Part I)と信号的差(Part II)を見つけ出そうとする。 この第一部では、頂点領域から GSP を用いて HCD を解析する。 まず、変化しない画像に対して、それらの構造は一貫しており、2つのグラフ上で定義されたシステム上の同じ信号の出力は類似していることを示す。 しかし、ある領域が変更されると、画像の局所構造が変化し、すなわち、この領域を含む頂点の接続が変化する。 そして、2つのグラフに定義されたフィルタを通過する同じ入力グラフ信号の出力信号を比較して変化を検出する。 我々は、オリジナルのグラフに隠された高次近傍情報を柔軟に探索できる頂点領域から異なるフィルタを設計する。 また,信号伝搬の観点から変化領域の変化が変化検出結果に与える影響を解析した。 7つの実データ集合を用いて行った実験は、頂点領域フィルタリングに基づくHCD法の有効性を示した。

関連論文リスト

• Graph Adversarial Diffusion Convolution [49.974206213411904]
  本稿では,グラフ信号デノイング(GSD)問題に対する min-max 最適化の定式化を提案する。 Graph Adversarial Diffusion Convolution (GADC)と呼ばれる新しいGraph Diffusion Convolutionアーキテクチャを導出する。
  論文  参考訳（メタデータ） (2024-06-04T07:43:04Z)
• Compressive Recovery of Signals Defined on Perturbed Graphs [4.021249101488848]
  本稿では, 圧縮測定から同時に信号を復元し, グラフ摂動を補正するアルゴリズムを提案する。 また、圧縮画像再構成への応用として、グラフ摂動を所望のグラフエッジとしてモデル化し、画素を大きな強度差でリンクする。
  論文  参考訳（メタデータ） (2024-02-12T13:20:52Z)
• Graph Signal Processing for Heterogeneous Change Detection Part II: Spectral Domain Analysis [21.531426428400227]
  本研究では,各画像の構造を表すグラフを構築し,各画像をグラフ上に定義されたグラフ信号として扱う。 同じグラフ上で異なる画像のスペクトル特性を解析し、それらのスペクトルが共通性と相似性を示すことを示す。 本稿では,異種変化検出問題に対する回帰モデルを提案し,音源信号を回帰信号と変化信号に分解する。
  論文  参考訳（メタデータ） (2022-08-03T08:11:24Z)
• Graph Spectral Embedding using the Geodesic Betweeness Centrality [76.27138343125985]
  本稿では、局所的な類似性、接続性、グローバル構造を教師なしで表現するグラフSylvester Embedding (GSE)を紹介する。 GSEはシルヴェスター方程式の解を用いて、ネットワーク構造と近傍の近接を1つの表現で捉える。
  論文  参考訳（メタデータ） (2022-05-07T04:11:23Z)
• Learning Hierarchical Graph Representation for Image Manipulation Detection [50.04902159383709]
  画像操作検出の目的は、画像内の操作された領域を特定し、特定することである。 最近のアプローチでは、画像に残っている改ざんするアーティファクトをキャプチャするために、洗練された畳み込みニューラルネットワーク(CNN)が採用されている。 本稿では2つの並列分岐からなる階層型グラフ畳み込みネットワーク(HGCN-Net)を提案する。
  論文  参考訳（メタデータ） (2022-01-15T01:54:25Z)
• Spectral-Spatial Global Graph Reasoning for Hyperspectral Image Classification [50.899576891296235]
  畳み込みニューラルネットワークは、ハイパースペクトル画像分類に広く応用されている。 近年の手法は空間トポロジのグラフ畳み込みによってこの問題に対処しようとしている。
  論文  参考訳（メタデータ） (2021-06-26T06:24:51Z)
• Sparse Partial Least Squares for Coarse Noisy Graph Alignment [10.172041234280865]
  グラフ信号処理(GSP)は、様々な領域で発生する信号を分析する強力なフレームワークを提供する。 本稿では,観測されたグラフ構造を組み込んで,その基盤となるブロックコミュニティ構造を反映させる,新しい正則化部分最小二乗法を提案する。
  論文  参考訳（メタデータ） (2021-04-06T21:52:15Z)
• A Hierarchical Graph Signal Processing Approach to Inference from Spatiotemporal Signals [14.416786768268233]
  グラフ信号処理(GSP)の新興領域を動機として,信号から推論を行う新しい手法を提案する。 本稿では,階層的特徴抽出手法の開発に活用する。 Kアグル発作検出コンテストの頭蓋内脳波(iEEG)データセットについて検討した。
  論文  参考訳（メタデータ） (2020-10-25T17:08:13Z)
• Offline detection of change-points in the mean for stationary graph signals [55.98760097296213]
  グラフ信号定常性の概念に依存するオフライン手法を提案する。 我々の検出器は、漸近的でない不等式オラクルの証拠を伴っている。
  論文  参考訳（メタデータ） (2020-06-18T15:51:38Z)
• Graphon Pooling in Graph Neural Networks [169.09536309161314]
  グラフニューラルネットワーク(GNN)は、グラフによってモデル化された不規則構造上の信号の処理を含む様々なアプリケーションで効果的に使用されている。 本稿では,グラフのスペクトル特性を保存したグラフオンを用いて,GNNのプールとサンプリングを行う新しい手法を提案する。
  論文  参考訳（メタデータ） (2020-03-03T21:04:20Z)

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。