論文の概要: Deep Learning-Based Anomaly Detection in Synthetic Aperture Radar Imaging

• arxiv url: http://arxiv.org/abs/2210.16038v1
• Date: Fri, 28 Oct 2022 10:22:29 GMT
• ステータス: 処理完了
• システム内更新日: 2022-10-31 15:21:41.432138
• Title: Deep Learning-Based Anomaly Detection in Synthetic Aperture Radar Imaging
• Title（参考訳）: 合成開口レーダイメージングにおけるディープラーニングによる異常検出
• Authors: Max Muzeau, Chengfang Ren, S\'ebastien Angelliaume, Mihai Datcu, Jean-Philippe Ovarlez
• Abstract要約: 本手法は,異常を周囲から逸脱する異常パターンとみなすが,その特徴を事前に把握していない。 提案手法は自己教師付きアルゴリズムを用いてこれらの問題に対処することを目的としている。 従来のReed-Xiaoliアルゴリズムと比較して,提案手法の利点を示す実験を行った。
• 参考スコア（独自算出の注目度）: 11.12267144061017
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: In this paper, we proposed to investigate unsupervised anomaly detection in Synthetic Aperture Radar (SAR) images. Our approach considers anomalies as abnormal patterns that deviate from their surroundings but without any prior knowledge of their characteristics. In the literature, most model-based algorithms face three main issues. First, the speckle noise corrupts the image and potentially leads to numerous false detections. Second, statistical approaches may exhibit deficiencies in modeling spatial correlation in SAR images. Finally, neural networks based on supervised learning approaches are not recommended due to the lack of annotated SAR data, notably for the class of abnormal patterns. Our proposed method aims to address these issues through a self-supervised algorithm. The speckle is first removed through the deep learning SAR2SAR algorithm. Then, an adversarial autoencoder is trained to reconstruct an anomaly-free SAR image. Finally, a change detection processing step is applied between the input and the output to detect anomalies. Experiments are performed to show the advantages of our method compared to the conventional Reed-Xiaoli algorithm, highlighting the importance of an efficient despeckling pre-processing step.
• Abstract（参考訳）: 本稿では,合成開口レーダ(SAR)画像における教師なし異常検出について検討する。 本手法は,異常を周囲から逸脱する異常パターンとみなすが,その特徴を事前に把握していない。 文献では、ほとんどのモデルベースのアルゴリズムは3つの大きな問題に直面している。 まず、スペックルノイズによって画像が破損し、多くの誤検出につながる可能性がある。 第2に、SAR画像における空間相関のモデル化に統計的アプローチが欠如している可能性がある。 最後に、特に異常パターンのクラスにおいて、注釈付きSARデータがないため、教師付き学習アプローチに基づくニューラルネットワークは推奨されない。 提案手法は自己教師付きアルゴリズムを用いてこれらの問題に対処することを目的としている。 スペックルはdeep learning sar2sarアルゴリズムによって最初に取り除かれる。 そして、対向オートエンコーダを訓練して、異常のないSAR画像の再構成を行う。 最後に、入力と出力の間に変更検出処理ステップを適用し、異常を検出する。 従来のReed-Xiaoliアルゴリズムと比較して,提案手法の利点を示すために実験を行った。

関連論文リスト

• Deep Learning Based Speckle Filtering for Polarimetric SAR Images. Application to Sentinel-1 [51.404644401997736]
  本稿では、畳み込みニューラルネットワークを用いて偏光SAR画像のスペックルを除去するための完全なフレームワークを提案する。 実験により,提案手法はスペックル低減と分解能保存の両方において例外的な結果をもたらすことが示された。
  論文  参考訳（メタデータ） (2024-08-28T10:07:17Z)
• ReSynthDetect: A Fundus Anomaly Detection Network with Reconstruction and Synthetic Features [5.655822001453255]
  本稿では,正常画像のモデリングのための再構成ネットワークと,基礎画像の外観に整合した合成異常を生成する異常生成器を提案する。 実験の結果,EyeQではAUROCが9%改善し,IDRiDではAUPRが17.1%改善した。
  論文  参考訳（メタデータ） (2023-12-27T08:40:23Z)
• 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)
• Video Anomaly Detection via Spatio-Temporal Pseudo-Anomaly Generation : A Unified Approach [49.995833831087175]
  本研究は,画像のマスキング領域にペンキを塗布することにより,汎用的な映像時間PAを生成する手法を提案する。 さらに,OCC設定下での現実世界の異常を検出するための単純な統合フレームワークを提案する。 提案手法は,OCC設定下での既存のPAs生成および再構築手法と同等に動作する。
  論文  参考訳（メタデータ） (2023-11-27T13:14:06Z)
• CL-Flow:Strengthening the Normalizing Flows by Contrastive Learning for Better Anomaly Detection [1.951082473090397]
  コントラスト学習と2D-Flowを組み合わせた自己教師付き異常検出手法を提案する。 本手法は,主流の教師なし手法と比較して,検出精度が向上し,モデルパラメータが減少し,推論速度が向上することを示す。 BTADデータセットでは,MVTecADデータセットでは画像レベルのAUROCが99.6%,BTADデータセットでは画像レベルのAUROCが96.8%であった。
  論文  参考訳（メタデータ） (2023-11-12T10:07:03Z)
• The role of noise in denoising models for anomaly detection in medical images [62.0532151156057]
  病理脳病変は脳画像に多彩な外観を示す。 正規データのみを用いた教師なし異常検出手法が提案されている。 空間分解能の最適化と雑音の大きさの最適化により,異なるモデル学習体制の性能が向上することを示す。
  論文  参考訳（メタデータ） (2023-01-19T21:39:38Z)
• Robust lEarned Shrinkage-Thresholding (REST): Robust unrolling for sparse recover [87.28082715343896]
  我々は、モデルミス特定を前進させるのに堅牢な逆問題を解決するためのディープニューラルネットワークについて検討する。 我々は,アルゴリズムの展開手法を根底にある回復問題のロバストバージョンに適用することにより,新しい堅牢なディープニューラルネットワークアーキテクチャを設計する。 提案したRESTネットワークは,圧縮センシングとレーダイメージングの両問題において,最先端のモデルベースおよびデータ駆動アルゴリズムを上回る性能を示す。
  論文  参考訳（メタデータ） (2021-10-20T06:15:45Z)
• CutPaste: Self-Supervised Learning for Anomaly Detection and Localization [59.719925639875036]
  通常のトレーニングデータのみを用いて異常検知器を構築するためのフレームワークを提案する。 まず、自己教師付き深層表現を学習し、学習した表現の上に生成的1クラス分類器を構築する。 MVTec異常検出データセットに関する実証研究は,提案アルゴリズムが実世界の様々な欠陥を検出可能であることを実証している。
  論文  参考訳（メタデータ） (2021-04-08T19:04:55Z)
• Double-Adversarial Activation Anomaly Detection: Adversarial Autoencoders are Anomaly Generators [0.0]
  異常検出は、固有のクラス不均衡のため、機械学習アルゴリズムにとって難しいタスクである。 生成モデルに着想を得て,ニューラルネットワークの隠れ活性化の解析を行い,DA3Dと呼ばれる新しい教師なし異常検出手法を提案する。
  論文  参考訳（メタデータ） (2021-01-12T18:07:34Z)
• Hyperspectral Anomaly Change Detection Based on Auto-encoder [40.32592332449066]
  ハイパースペクトル異常変化検出(HACD)は、ハイパースペクトル画像(HSI)間の小さいが重要な異常変化を見つけるのに役立つ 本稿では,自動エンコーダ(ACDA)に基づく独自のHACDアルゴリズムを提案し,非線形解を提案する。 実験の結果は、"Viareggio 2013"データセットで、従来の手法よりも効率と優越性を実証している。
  論文  参考訳（メタデータ） (2020-10-27T08:07:08Z)

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。