論文の概要: Synthetic Aperture Radar Image Change Detection via Layer Attention-Based Noise-Tolerant Network

• arxiv url: http://arxiv.org/abs/2208.04481v1
• Date: Tue, 9 Aug 2022 01:04:39 GMT
• ステータス: 処理完了
• システム内更新日: 2022-08-10 13:03:28.317240
• Title: Synthetic Aperture Radar Image Change Detection via Layer Attention-Based Noise-Tolerant Network
• Title（参考訳）: 層注目型雑音耐性ネットワークによる合成開口レーダ画像変化検出
• Authors: Desen Meng, Feng Gao, Junyu Dong, Qian Du, Heng-Chao Li
• Abstract要約: レイヤアテンションに基づく耐雑音性ネットワークLANTNetを提案する。 特に、異なる畳み込み層の機能を適応的に重み付けするレイヤーアテンションモジュールを設計する。 3つのSARデータセットの実験結果から,提案したLANTNetは,複数の最先端手法よりも優れた性能を示した。
• 参考スコア（独自算出の注目度）: 36.860069663770226
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Recently, change detection methods for synthetic aperture radar (SAR) images based on convolutional neural networks (CNN) have gained increasing research attention. However, existing CNN-based methods neglect the interactions among multilayer convolutions, and errors involved in the preclassification restrict the network optimization. To this end, we proposed a layer attention-based noise-tolerant network, termed LANTNet. In particular, we design a layer attention module that adaptively weights the feature of different convolution layers. In addition, we design a noise-tolerant loss function that effectively suppresses the impact of noisy labels. Therefore, the model is insensitive to noisy labels in the preclassification results. The experimental results on three SAR datasets show that the proposed LANTNet performs better compared to several state-of-the-art methods. The source codes are available at https://github.com/summitgao/LANTNet
• Abstract（参考訳）: 近年,畳み込みニューラルネットワーク(cnn)に基づく合成開口レーダ(sar)画像の変更検出手法が研究の注目を集めている。 しかし、既存のCNNベースの手法は多層畳み込みの相互作用を無視し、プリクラス化に関わるエラーはネットワーク最適化を制限する。 そこで我々はlantnetと呼ばれる層注意型雑音耐性ネットワークを提案する。 特に,異なる畳み込み層の特徴を適応的に重み付けするレイヤアテンションモジュールを設計した。 また,ノイズラベルの影響を効果的に抑制するノイズ耐性損失関数の設計を行う。 したがって、モデルが事前分類結果においてノイズラベルに敏感である。 3つのSARデータセットの実験結果から,提案したLANTNetは,いくつかの最先端手法と比較して性能がよいことが示された。 ソースコードはhttps://github.com/summitgao/LANTNetで入手できる。

関連論文リスト

• DenoDet: Attention as Deformable Multi-Subspace Feature Denoising for Target Detection in SAR Images [20.11145540094807]
  本稿では、畳み込みバイアスを校正し、高周波により多くの注意を払うために、明示的な周波数領域変換によって支援されるネットワークを提案する。 変換領域ソフトしきい値処理を行う動的周波数領域アテンションモジュールであるTransDenoを設計する。 プラグアンドプレイのTransDenoは、複数のSARターゲット検出データセットに対して最先端のスコアを設定する。
  論文  参考訳（メタデータ） (2024-06-05T01:05:26Z)
• Hybrid Convolutional and Attention Network for Hyperspectral Image Denoising [54.110544509099526]
  ハイパースペクトル画像(HSI)は、ハイパースペクトルデータの効果的な解析と解釈に重要である。 ハイブリット・コンボリューション・アテンション・ネットワーク(HCANet)を提案する。 主流HSIデータセットに対する実験結果は,提案したHCANetの合理性と有効性を示している。
  論文  参考訳（メタデータ） (2024-03-15T07:18:43Z)
• Deep Multi-Threshold Spiking-UNet for Image Processing [51.88730892920031]
  本稿では,SNN(Spike Neural Networks)とU-Netアーキテクチャを組み合わせた,画像処理のためのスパイキング-UNetの概念を紹介する。 効率的なスパイキング-UNetを実現するためには,スパイクによる高忠実度情報伝播の確保と,効果的なトレーニング戦略の策定という2つの課題に直面する。 実験の結果,画像のセグメンテーションとデノイングにおいて,スパイキングUNetは非スパイキングと同等の性能を発揮することがわかった。
  論文  参考訳（メタデータ） (2023-07-20T16:00:19Z)
• Degradation-Noise-Aware Deep Unfolding Transformer for Hyperspectral Image Denoising [9.119226249676501]
  ハイパースペクトル画像(HSI)は、帯域幅が狭いため、ノイズが多いことが多い。 HSIデータキューブのノイズを低減するため、モデル駆動型と学習型の両方の復調アルゴリズムが提案されている。 本稿では,これらの問題に対処するDNA-Net(Degradation-Noise-Aware Unfolding Network)を提案する。
  論文  参考訳（メタデータ） (2023-05-06T13:28:20Z)
• Establishment of Neural Networks Robust to Label Noise [0.0]
  本稿では,関連ラベルノイズ手法の基本概念について検討した。 遷移行列推定器が作成され、実際の遷移行列に対する効果が示されている。 複雑な畳み込みニューラルネットワークモデルを正しく調整できないため、遷移行列ノイズ補正が堅牢性向上に与える影響を効率よく示すことはできない。
  論文  参考訳（メタデータ） (2022-11-28T13:07:23Z)
• SAR Despeckling Using Overcomplete Convolutional Networks [53.99620005035804]
  スペックルはSAR画像を劣化させるため、リモートセンシングにおいて重要な問題である。 近年の研究では、畳み込みニューラルネットワーク(CNN)が古典的解法よりも優れていることが示されている。 本研究は、受容場を制限することで低レベルの特徴を学習することに集中するために、過剰なCNNアーキテクチャを用いる。 本稿では,合成および実SAR画像の非特定化手法と比較して,提案手法により非特定化性能が向上することを示す。
  論文  参考訳（メタデータ） (2022-05-31T15:55:37Z)
• Change Detection from Synthetic Aperture Radar Images via Dual Path Denoising Network [38.78699830610313]
  SAR画像変化検出のためのDual Path Denoising Network (DPDNet)を提案する。 我々は,事前分類に関わるラベルノイズをクリーンにするために,ランダムなラベル伝搬を導入する。 また,特徴表現学習のための特徴的パッチ畳み込みを提案する。
  論文  参考訳（メタデータ） (2022-03-13T01:51:51Z)
• SAR Image Change Detection Based on Multiscale Capsule Network [33.524488071386415]
  従来の合成開口レーダ画像変化検出法は、スペックルノイズと変形感度の課題に直面している。 可変画素間の識別情報を抽出するマルチスケールカプセルネットワーク(Ms-CapsNet)を提案する。 提案したMs-CapsNetの有効性は、3つの実SARデータセットで検証される。
  論文  参考訳（メタデータ） (2022-01-22T01:30:36Z)
• Deep Networks for Direction-of-Arrival Estimation in Low SNR [89.45026632977456]
  我々は,真の配列多様体行列の変異チャネルデータから学習した畳み込みニューラルネットワーク(CNN)を導入する。 我々は低SNR体制でCNNを訓練し、すべてのSNRでDoAを予測する。 私たちの堅牢なソリューションは、ワイヤレスアレイセンサーから音響マイクロフォンやソナーまで、いくつかの分野に適用できます。
  論文  参考訳（メタデータ） (2020-11-17T12:52:18Z)
• Wavelet Integrated CNNs for Noise-Robust Image Classification [51.18193090255933]
  我々は、離散ウェーブレット変換(DWT)により、最大プール、ストライド畳み込み、平均プールを置き換えることでCNNを強化する。 VGG、ResNets、DenseNetのウェーブレット統合バージョンであるWaveCNetsは、バニラバージョンよりも精度が高く、ノイズ・ロバスト性も向上している。
  論文  参考訳（メタデータ） (2020-05-07T09:10:41Z)

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。