論文の概要: Satellite Image Search in AgoraEO

• arxiv url: http://arxiv.org/abs/2208.10830v1
• Date: Tue, 23 Aug 2022 09:27:02 GMT
• ステータス: 処理完了
• システム内更新日: 2022-08-24 13:49:36.228739
• Title: Satellite Image Search in AgoraEO
• Title（参考訳）: AgoraEOにおける衛星画像検索
• Authors: Ahmet Kerem Aksoy, Pavel Dushev, Eleni Tzirita Zacharatou, Holmer Hemsen, Marcela Charfuelan, Jorge-Arnulfo Quian\'e-Ruiz, Beg\"um Demir, Volker Markl
• Abstract要約: MiLaNは、衛星画像アーカイブにおける高速な類似性検索のためのコンテンツベースの画像検索手法である。 本稿では、AgoraEO内のブラウザおよび検索エンジンであるEarthQubeと統合することで、MiLaNの効率を実証する。
• 参考スコア（独自算出の注目度）: 9.033134895598264
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: The growing operational capability of global Earth Observation (EO) creates new opportunities for data-driven approaches to understand and protect our planet. However, the current use of EO archives is very restricted due to the huge archive sizes and the limited exploration capabilities provided by EO platforms. To address this limitation, we have recently proposed MiLaN, a content-based image retrieval approach for fast similarity search in satellite image archives. MiLaN is a deep hashing network based on metric learning that encodes high-dimensional image features into compact binary hash codes. We use these codes as keys in a hash table to enable real-time nearest neighbor search and highly accurate retrieval. In this demonstration, we showcase the efficiency of MiLaN by integrating it with EarthQube, a browser and search engine within AgoraEO. EarthQube supports interactive visual exploration and Query-by-Example over satellite image repositories. Demo visitors will interact with EarthQube playing the role of different users that search images in a large-scale remote sensing archive by their semantic content and apply other filters.
• Abstract（参考訳）: 地球観測(EO)の運用能力の増大は、地球を理解し保護するためのデータ駆動アプローチの新しい機会を生み出します。 しかし、現在のEOアーカイブの使用は、巨大なアーカイブサイズとEOプラットフォームが提供する限られた探索能力のため、非常に制限されている。 この制限に対処するため、衛星画像アーカイブにおける高速類似検索のためのコンテンツベース画像検索手法であるMiLaNを提案する。 MiLaNは、高次元画像特徴をコンパクトなバイナリハッシュコードに符号化するメトリック学習に基づくディープハッシュネットワークである。 これらのコードをハッシュテーブルのキーとして使用することで,リアルタイム近接探索と高精度検索を実現する。 本稿では、AgoraEO内のブラウザおよび検索エンジンであるEarthQubeと統合することで、MiLaNの効率を実証する。 earthqubeは衛星画像リポジトリ上のインタラクティブなビジュアル探索とクエリバイサンプルをサポートする。 デモの訪問者はearthqubeと対話し、セマンティックコンテンツによって大規模なリモートセンシングアーカイブで画像を検索し、他のフィルターを適用する異なるユーザーの役割を演じる。

関連論文リスト

• Game4Loc: A UAV Geo-Localization Benchmark from Game Data [0.0]
  クロスビューペアデータの部分的マッチングを含む,より実用的なUAV測位タスクを提案する。 実験により,UAV測地のためのデータとトレーニング手法の有効性が示された。
  論文  参考訳（メタデータ） (2024-09-25T13:33:28Z)
• Swarm Intelligence in Geo-Localization: A Multi-Agent Large Vision-Language Model Collaborative Framework [51.26566634946208]
  smileGeoは、新しい視覚的ジオローカライゼーションフレームワークである。 エージェント間のコミュニケーションによって、SmithGeoはこれらのエージェントの固有の知識と、検索された情報を統合する。 その結果,本手法は現在の最先端手法よりも優れていた。
  論文  参考訳（メタデータ） (2024-08-21T03:31:30Z)
• Deep supervised hashing for fast retrieval of radio image cubes [5.688539343057255]
  ディープハッシュアルゴリズムは、コンピュータビジョンとマルチメディアの分野における画像検索タスクにおいて効率的であることが示されている。 本研究では,大規模データベース内の類似画像を高速に検索するために,ディープハッシュを利用する。 実験により, 類似した無線画像の検索と検索を効率よく, 大規模に行うことができることを示した。
  論文  参考訳（メタデータ） (2023-09-02T12:59:52Z)
• SaRNet: A Dataset for Deep Learning Assisted Search and Rescue with Satellite Imagery [0.0]
  深層学習支援サーチ・レスキュー(SaR)のための新しいリモートセンシングオブジェクト検出データセットを提案する。 このデータセットは、ライブのSaR応答の一部として潜在的ターゲットとして特定された小さなオブジェクトのみを含む。 また,深層学習支援のSaR設定に用いるために特別に設計された新しい物体検出指標を提案する。
  論文  参考訳（メタデータ） (2021-07-26T20:52:36Z)
• Combined Depth Space based Architecture Search For Person Re-identification [70.86236888223569]
  個人再識別(ReID)のための軽量で適切なネットワークの設計を目指しています。 本研究では,CDNetと呼ばれる効率的なネットワークアーキテクチャの探索に基づく,複合深さ空間(Componed Depth Space, CDS)と呼ばれる新しい検索空間を提案する。 そこで我々はTop-k Sample Search戦略という低コストの検索戦略を提案し、検索空間をフル活用し、局所的な最適結果のトラップを避ける。
  論文  参考訳（メタデータ） (2021-04-09T02:40:01Z)
• Searching Efficient Model-guided Deep Network for Image Denoising [61.65776576769698]
  モデルガイド設計とNAS(MoD-NAS)をつなぐ新しいアプローチを提案する。 MoD-NASは、再利用可能な幅探索戦略と密結合された探索ブロックを用いて、各層の操作を自動的に選択する。 いくつかの一般的なデータセットに対する実験結果から、我々のMoD-NASは現在の最先端手法よりもPSNR性能が向上していることが示された。
  論文  参考訳（メタデータ） (2021-04-06T14:03:01Z)
• BossNAS: Exploring Hybrid CNN-transformers with Block-wisely Self-supervised Neural Architecture Search [100.28980854978768]
  BossNAS(Block-wisely Self-supervised Neural Architecture Search)の紹介 探索空間をブロックに分類し、アンサンブルブートストラッピングと呼ばれる新しい自己教師型トレーニングスキームを用いて各ブロックを個別に訓練する。 また,検索可能なダウンサンプリング位置を持つファブリック型cnnトランスフォーマ検索空間であるhytra search spaceを提案する。
  論文  参考訳（メタデータ） (2021-03-23T10:05:58Z)
• Deep Triplet Hashing Network for Case-based Medical Image Retrieval [33.21919320742157]
  我々は、低次元のハッシュコードを学ぶために、Attention-based Triplet Hashing (ATH) ネットワークと呼ばれるエンドツーエンドのフレームワークを提案する。 提案したATHは,最先端のディープハッシュ法と比較して,検索性能を向上できることを示す。
  論文  参考訳（メタデータ） (2021-01-29T01:35:46Z)
• Fast and Incremental Loop Closure Detection with Deep Features and Proximity Graphs [13.328790865796224]
  本稿では、FILD++という名前の外観に基づくループクロージャ検出パイプラインを提案する。 システムは連続した画像によって供給され、単一の畳み込みニューラルネットワークを2回通すことで、大域的および局所的な深い特徴を抽出する。 画像と画像のペアリングは、局所的な特徴を利用して空間情報を評価する。
  論文  参考訳（メタデータ） (2020-09-29T02:42:47Z)
• Deep Reinforcement Learning with Label Embedding Reward for Supervised Image Hashing [85.84690941656528]
  深層型ハッシュのための新しい意思決定手法を提案する。 我々はBose-Chaudhuri-Hocquenghem符号で定義された新しいラベル埋め込み報酬を用いて、深いQ-ネットワークを学ぶ。 我々の手法は、様々なコード長で最先端の教師付きハッシュ法より優れています。
  論文  参考訳（メタデータ） (2020-08-10T09:17:20Z)
• CATCH: Context-based Meta Reinforcement Learning for Transferrable Architecture Search [102.67142711824748]
  CATCHは、転送可能なarChitecture searcHのための、Context-bAsed meTa強化学習アルゴリズムである。 メタラーニングとRLの組み合わせにより、CATCHは検索空間に依存しないまま、新しいタスクに効率的に適応できる。 また、ImageNet、COCO、Cityscapesの競合ネットワークとしてクロスドメインアーキテクチャサーチを扱うこともできる。
  論文  参考訳（メタデータ） (2020-07-18T09:35:53Z)

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。