論文の概要: Urban feature analysis from aerial remote sensing imagery using self-supervised and semi-supervised computer vision

• arxiv url: http://arxiv.org/abs/2208.08047v1
• Date: Wed, 17 Aug 2022 03:41:56 GMT
• ステータス: 処理完了
• システム内更新日: 2022-08-18 12:50:04.622092
• Title: Urban feature analysis from aerial remote sensing imagery using self-supervised and semi-supervised computer vision
• Title（参考訳）: 自己教師付きおよび半教師付きコンピュータビジョンを用いた空中リモートセンシング画像からの都市特徴解析
• Authors: Sachith Seneviratne, Jasper S. Wijnands, Kerry Nice, Haifeng Zhao, Branislava Godic, Suzanne Mavoa, Rajith Vidanaarachchi, Mark Stevenson, Leandro Garcia, Ruth F. Hunter and Jason Thompson
• Abstract要約: コンピュータビジョンを用いたオーバーヘッド画像の解析は学術文献で注目されている問題である。 これらの問題は、表現学習の進歩を取り入れた、より汎用的なフレームワークの開発を通じて解決される。 6千万枚の未表示画像から10年間の都市インフラ進化の低レベル検出に成功したことは, 定量的都市研究を推し進めるための我々のアプローチの有意義な可能性を実証している。
• 参考スコア（独自算出の注目度）: 8.124947412639704
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Analysis of overhead imagery using computer vision is a problem that has received considerable attention in academic literature. Most techniques that operate in this space are both highly specialised and require expensive manual annotation of large datasets. These problems are addressed here through the development of a more generic framework, incorporating advances in representation learning which allows for more flexibility in analysing new categories of imagery with limited labeled data. First, a robust representation of an unlabeled aerial imagery dataset was created based on the momentum contrast mechanism. This was subsequently specialised for different tasks by building accurate classifiers with as few as 200 labeled images. The successful low-level detection of urban infrastructure evolution over a 10-year period from 60 million unlabeled images, exemplifies the substantial potential of our approach to advance quantitative urban research.
• Abstract（参考訳）: コンピュータビジョンを用いたオーバーヘッド画像の解析は学術文献で注目されている問題である。 この領域で運用するほとんどの技術は高度に専門化されており、大きなデータセットの高価な手動アノテーションを必要とする。 これらの問題は、より汎用的なフレームワークの開発を通じて解決され、表現学習の進歩により、ラベル付きデータによる新しいカテゴリの画像分析の柔軟性が向上する。 まず、運動量コントラスト機構に基づいてラベルなしの航空画像データセットのロバスト表現を作成した。 その後、200以上のラベル付き画像で正確な分類器を構築することで、異なるタスクに特化している。 6千万枚の未ラベル画像から10年間の都市インフラ進化の低レベル検出に成功したことは, 定量的都市研究を推し進めるための我々のアプローチの大きな可能性を実証している。

関連論文リスト

• Free-ATM: Exploring Unsupervised Learning on Diffusion-Generated Images with Free Attention Masks [64.67735676127208]
  テキストと画像の拡散モデルは、画像認識の恩恵を受ける大きな可能性を示している。 有望ではあるが、拡散生成画像の教師なし学習に特化した調査は不十分である。 上記フリーアテンションマスクをフル活用することで、カスタマイズされたソリューションを導入する。
  論文  参考訳（メタデータ） (2023-08-13T10:07:46Z)
• Domain Generalization for Mammographic Image Analysis with Contrastive Learning [62.25104935889111]
  効果的なディープラーニングモデルのトレーニングには、さまざまなスタイルと品質を備えた大規模なデータが必要である。 より優れたスタイルの一般化能力を備えた深層学習モデルを実現するために,新しいコントラスト学習法が開発された。 提案手法は,様々なベンダスタイルドメインのマンモグラムや,いくつかのパブリックデータセットを用いて,広範囲かつ厳密に評価されている。
  論文  参考訳（メタデータ） (2023-04-20T11:40:21Z)
• Expanding Accurate Person Recognition to New Altitudes and Ranges: The BRIAR Dataset [1.965868228519436]
  近年、顔認識技術は、ディープラーニングモデルで使用する大規模で複雑なトレーニングデータセットが利用可能であることから、大幅に進歩している。 しかしこれらのデータセットは、より高度なセキュリティ、法医学、軍事的応用において、限られた実用性を持っている。 本稿では,データセットの収集とキュレートに使用される手法と,現在のデータセットの特徴について述べる。
  論文  参考訳（メタデータ） (2022-11-03T15:51:39Z)
• Self-Supervised Pretraining on Satellite Imagery: a Case Study on Label-Efficient Vehicle Detection [0.0]
  超高解像度光衛星画像における物体検出のためのドメイン内自己教師型表現学習について検討する。 我々は、世界地図の大規模な土地利用分類データセットを用いて、Momentum Contrastフレームワークの拡張による表現の事前訓練を行う。 次に,Preligensプロプライエタリなデータに基づいて,車両の詳細な検出と分類を行う実世界のタスクにおいて,このモデルが持つ伝達可能性について検討する。
  論文  参考訳（メタデータ） (2022-10-21T08:41:22Z)
• Automatic Image Content Extraction: Operationalizing Machine Learning in Humanistic Photographic Studies of Large Visual Archives [81.88384269259706]
  本稿では,機械学習による大規模画像アーカイブの検索と解析のための自動画像コンテンツ抽出フレームワークを提案する。 提案する枠組みは、人文科学と社会科学のいくつかの分野に適用できる。
  論文  参考訳（メタデータ） (2022-04-05T12:19:24Z)
• Self-Supervision, Remote Sensing and Abstraction: Representation Learning Across 3 Million Locations [7.860343491689477]
  我々は,200の都市から,自己管理手法が一般化可能な表現を構築できることを示す。 また,教師付き手法と比較して,このような手法の性能差がリモートセンシング画像にとって重要であることも確認した。
  論文  参考訳（メタデータ） (2022-03-08T23:32:33Z)
• Region-level Active Learning for Cluttered Scenes [60.93811392293329]
  本稿では,従来の画像レベルのアプローチとオブジェクトレベルのアプローチを一般化した領域レベルのアプローチに仮定する新たな戦略を提案する。 その結果,本手法はラベル付けの労力を大幅に削減し,クラス不均衡や散らかったシーンを生かしたリアルなデータに対する希少なオブジェクト検索を改善することが示唆された。
  論文  参考訳（メタデータ） (2021-08-20T14:02:38Z)
• Artificial Perceptual Learning: Image Categorization with Weak Supervision [2.6774008509840996]
  弱教師付き画像分類の問題に対処するために,新しい機械学習フレームワークである人工知能(APL)を提案する。 APLは、幼児分類として知られる認知発達過程を模倣するビルディングブロックとして、最先端の機械学習アルゴリズムを用いて構築されている。 提案手法は,高品質な人間のアノテーションを付加した少数の画像を用いて検証し,提案手法が人間レベルの認知経済を実現することを示す。
  論文  参考訳（メタデータ） (2021-06-02T21:12:20Z)
• Advances in Deep Learning for Hyperspectral Image Analysis--Addressing Challenges Arising in Practical Imaging Scenarios [7.41157183358269]
  我々は,強靭なハイパースペクトル画像解析にディープラーニングを活用するコミュニティの進歩を概観する。 課題は 地上の真実と データの高次元的な性質です 具体的には,画像解析における教師なし,半教師付き,アクティブな学習手法について検討する。
  論文  参考訳（メタデータ） (2020-07-16T19:51:02Z)
• Naive-Student: Leveraging Semi-Supervised Learning in Video Sequences for Urban Scene Segmentation [57.68890534164427]
  本研究では,未ラベル映像シーケンスと追加画像の半教師付き学習を利用して,都市景観セグメンテーションの性能を向上させることができるかどうかを問う。 我々は単にラベルのないデータに対して擬似ラベルを予測し、人間の注釈付きデータと擬似ラベル付きデータの両方でその後のモデルを訓練する。 我々のNaive-Studentモデルは、このような単純で効果的な反復的半教師付き学習で訓練され、3つのCityscapesベンチマークで最先端の結果を得る。
  論文  参考訳（メタデータ） (2020-05-20T18:00:05Z)
• Image Segmentation Using Deep Learning: A Survey [58.37211170954998]
  イメージセグメンテーションは、画像処理とコンピュータビジョンにおいて重要なトピックである。 深層学習モデルを用いた画像セグメンテーション手法の開発を目的とした研究が,これまでに数多く行われている。
  論文  参考訳（メタデータ） (2020-01-15T21:37:47Z)

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。