論文の概要: dual unet:a novel siamese network for change detection with cascade differential fusion

• arxiv url: http://arxiv.org/abs/2208.06293v1
• Date: Fri, 12 Aug 2022 14:24:09 GMT
• ステータス: 処理完了
• システム内更新日: 2022-08-15 13:30:21.088446
• Title: dual unet:a novel siamese network for change detection with cascade differential fusion
• Title（参考訳）: dual unet: カスケード差動融合による変化検出のための新しいシアムネットワーク
• Authors: Kaixuan Jiang, Ja Liu, Fang Liu, Wenhua Zhang, Yangguang Liu
• Abstract要約: 本稿では,変化検出タスク,すなわちDual-UNetのための新しいSiameseニューラルネットワークを提案する。 従来のバイテンポラル画像の符号化とは対照的に,画素の空間的差分関係に着目したエンコーダ差分アテンションモジュールを設計する。 実験により、提案手法は、一般的な季節変化検出データセットにおいて、常に最も高度な手法よりも優れていることが示された。
• 参考スコア（独自算出の注目度）: 4.651756476458979
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Change detection (CD) of remote sensing images is to detect the change region by analyzing the difference between two bitemporal images. It is extensively used in land resource planning, natural hazards monitoring and other fields. In our study, we propose a novel Siamese neural network for change detection task, namely Dual-UNet. In contrast to previous individually encoded the bitemporal images, we design an encoder differential-attention module to focus on the spatial difference relationships of pixels. In order to improve the generalization of networks, it computes the attention weights between any pixels between bitemporal images and uses them to engender more discriminating features. In order to improve the feature fusion and avoid gradient vanishing, multi-scale weighted variance map fusion strategy is proposed in the decoding stage. Experiments demonstrate that the proposed approach consistently outperforms the most advanced methods on popular seasonal change detection datasets.
• Abstract（参考訳）: リモートセンシング画像の変化検出(CD)は、2つのバイテンポラル画像の違いを分析して変化領域を検出する。 土地資源計画、自然災害監視などの分野で広く利用されている。 本研究では,変化検出タスク,すなわちDual-UNetのための新しいSiameseニューラルネットワークを提案する。 従来のバイテンポラル画像の符号化とは対照的に,画素の空間的差分関係に着目したエンコーダ差分アテンションモジュールを設計する。 ネットワークの一般化を改善するために、バイテンポラル画像間の任意の画素間の注意重みを計算し、それらを用いてより識別性の高い特徴を与える。 特徴融合の改善と勾配消滅を回避するため,復号段階における多スケール重み付き分散マップ融合戦略を提案する。 提案手法は,一般的な季節変化検出データセットにおいて,最も先進的な手法を一貫して上回っている。

関連論文リスト

• Distractors-Immune Representation Learning with Cross-modal Contrastive Regularization for Change Captioning [71.14084801851381]
  変更キャプションは、類似した画像間のセマンティックな変化を簡潔に記述することを目的としている。 既存のほとんどの手法は、それらの違いを直接キャプチャし、エラーを起こしやすい特徴を得るリスクを負う。 本稿では,2つの画像表現の対応するチャネルを関連づけるイントラクタ免疫表現学習ネットワークを提案する。
  論文  参考訳（メタデータ） (2024-07-16T13:00:33Z)
• DiAD: A Diffusion-based Framework for Multi-class Anomaly Detection [55.48770333927732]
  本稿では,拡散型異常検出(Difusion-based Anomaly Detection, DAD)フレームワークを提案する。 画素空間オートエンコーダ、安定拡散の復調ネットワークに接続する潜在空間セマンティックガイド(SG)ネットワーク、特徴空間事前学習機能抽出器から構成される。 MVTec-ADとVisAデータセットの実験は、我々のアプローチの有効性を実証している。
  論文  参考訳（メタデータ） (2023-12-11T18:38:28Z)
• TransY-Net:Learning Fully Transformer Networks for Change Detection of Remote Sensing Images [64.63004710817239]
  リモートセンシング画像CDのためのトランスフォーマーベース学習フレームワークTransY-Netを提案する。 グローバルな視点からの特徴抽出を改善し、ピラミッド方式で多段階の視覚的特徴を組み合わせる。 提案手法は,4つの光学式および2つのSAR画像CDベンチマーク上での最先端性能を実現する。
  論文  参考訳（メタデータ） (2023-10-22T07:42:19Z)
• A Dual Attentive Generative Adversarial Network for Remote Sensing Image Change Detection [6.906936669510404]
  本稿では,高分解能なリモートセンシング画像変化検出タスクを実現するために,二重注意生成対向ネットワークを提案する。 DAGANフレームワークは、85.01%がIoU、91.48%がF1スコアであり、LEVIRデータセットの先進的な手法よりもパフォーマンスが良い。
  論文  参考訳（メタデータ） (2023-10-03T08:26:27Z)
• IDAN: Image Difference Attention Network for Change Detection [3.5366052026723547]
  リモートセンシング画像変化検出のための新しい画像差分注意ネットワーク(IDAN)を提案する。 IDANは、画像の地域的特徴とエッジ的特徴の違いを考慮し、抽出した画像特徴を最適化する。 実験の結果、IDANのF1スコアは、WHUデータセットとLEVIR-CDデータセットのベースラインモデルと比較して1.62%と1.98%改善していることが示された。
  論文  参考訳（メタデータ） (2022-08-17T13:46:13Z)
• Target-aware Dual Adversarial Learning and a Multi-scenario Multi-Modality Benchmark to Fuse Infrared and Visible for Object Detection [65.30079184700755]
  本研究は、物体検出のために異なるように見える赤外線と可視画像の融合の問題に対処する。 従来のアプローチでは、2つのモダリティの根底にある共通点を発見し、反復最適化またはディープネットワークによって共通空間に融合する。 本稿では、融合と検出の連立問題に対する二段階最適化の定式化を提案し、その後、核融合と一般的に使用される検出ネットワークのためのターゲット認識デュアル逆学習(TarDAL)ネットワークに展開する。
  論文  参考訳（メタデータ） (2022-03-30T11:44:56Z)
• Super-resolution-based Change Detection Network with Stacked Attention Module for Images with Different Resolutions [20.88671966047938]
  環境保護と都市計画において,変化検出は重要な役割を担っている。 従来のサブピクセルに基づく、解像度の異なる画像による変更検出は、重大なエラー蓄積につながる可能性がある。 注目モジュールを積み重ねた超解像型変化検出ネットワーク(SRCDNet)を提案する。
  論文  参考訳（メタデータ） (2021-02-27T11:17:40Z)
• Robust Data Hiding Using Inverse Gradient Attention [82.73143630466629]
  データ隠蔽タスクでは、異なる耐久性を有するため、カバー画像の各ピクセルを別々に扱う必要がある。 Inverse Gradient Attention (IGA) を用いた新しい深層データ隠蔽方式を提案する。 実証的な実験により、提案モデルが2つの先行するデータセット上で最先端の手法より優れていることが示された。
  論文  参考訳（メタデータ） (2020-11-21T19:08:23Z)
• Semantic Change Detection with Asymmetric Siamese Networks [71.28665116793138]
  2つの空中画像が与えられた場合、セマンティックチェンジ検出は、土地被覆のバリエーションを特定し、それらの変化タイプをピクセルワイド境界で識別することを目的としている。 この問題は、正確な都市計画や天然資源管理など、多くの地球ビジョンに関連するタスクにおいて不可欠である。 本研究では, 広く異なる構造を持つモジュールから得られた特徴対を用いて意味変化を同定し, 同定するための非対称システマネットワーク(ASN)を提案する。
  論文  参考訳（メタデータ） (2020-10-12T13:26:30Z)
• Unsupervised Change Detection in Satellite Images with Generative Adversarial Network [20.81970476609318]
  本稿では,GAN(Generative Adversarial Network)を用いた新たな変更検出フレームワークを提案する。 最適化されたGANモデルは、変更を容易に発見できる良質なコアギスター画像を生成し、その後、比較戦略を通じて変更マップを提示する。
  論文  参考訳（メタデータ） (2020-09-08T10:26:04Z)
• DASNet: Dual attentive fully convolutional siamese networks for change detection of high resolution satellite images [17.839181739760676]
  研究の目的は、関心の変化情報を識別し、無関係な変更情報を干渉要因としてフィルタリングすることである。 近年、ディープラーニングの台頭により、変化検出のための新しいツールが提供され、目覚ましい結果が得られた。 我々は,高解像度画像における変化検出のための新しい手法,すなわち,二重注意型完全畳み込みシームズネットワーク(DASNet)を提案する。
  論文  参考訳（メタデータ） (2020-03-07T16:57:10Z)

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。