論文の概要: Semantically-consistent Landsat 8 image to Sentinel-2 image translation
for alpine areas
- arxiv url: http://arxiv.org/abs/2212.12056v1
- Date: Thu, 22 Dec 2022 22:07:28 GMT
- ステータス: 処理完了
- システム内更新日: 2022-12-26 16:28:24.733402
- Title: Semantically-consistent Landsat 8 image to Sentinel-2 image translation
for alpine areas
- Title(参考訳): セマンティックに一貫性のあるLandsat 8画像と高山域のSentinel-2画像翻訳
- Authors: M. Sokolov, J. L. Storie, C. J. Henry, C. D. Storie, J. Cameron, R. S.
{\O}deg{\aa}rd, V. Zubinaite, S. Stikbakke
- Abstract要約: 本論文では,ランドサット8とセンチネル2のセンサ差を狭めるため,HRSemI2Iモデルを用いてスタイル伝達によるドメイン適応実験を行った。
HRSemI2Iモデルは、6バンド画像で動作するように調整され、平均値とクラス毎のメトリクスの交差対一性能が大幅に向上した。
第2のコントリビューションは、NALCMS 2015とCORINEの2つのラベルスキーム間の異なる一般化スキームを提供することである。
- 参考スコア(独自算出の注目度): 0.0
- License: http://creativecommons.org/licenses/by-sa/4.0/
- Abstract: The availability of frequent and cost-free satellite images is in growing
demand in the research world. Such satellite constellations as Landsat 8 and
Sentinel-2 provide a massive amount of valuable data daily. However, the
discrepancy in the sensors' characteristics of these satellites makes it
senseless to use a segmentation model trained on either dataset and applied to
another, which is why domain adaptation techniques have recently become an
active research area in remote sensing. In this paper, an experiment of domain
adaptation through style-transferring is conducted using the HRSemI2I model to
narrow the sensor discrepancy between Landsat 8 and Sentinel-2. This paper's
main contribution is analyzing the expediency of that approach by comparing the
results of segmentation using domain-adapted images with those without
adaptation. The HRSemI2I model, adjusted to work with 6-band imagery, shows
significant intersection-over-union performance improvement for both mean and
per class metrics. A second contribution is providing different schemes of
generalization between two label schemes - NALCMS 2015 and CORINE. The first
scheme is standardization through higher-level land cover classes, and the
second is through harmonization validation in the field.
- Abstract(参考訳): 頻繁で費用がかからない衛星画像は、研究の世界で需要が高まっている。
ランドサット8やセンチネル2のような衛星は、毎日大量の貴重なデータを提供している。
しかし、これらの衛星のセンサー特性の相違により、どちらのデータセットにも訓練されたセグメンテーションモデルを用いることは無意味であり、ドメイン適応技術がリモートセンシングの活発な研究領域となったのはそのためである。
本論文では,ランドサット8とセンチネル2のセンサ差を狭めるため,HRSemI2Iモデルを用いてスタイル伝達によるドメイン適応実験を行った。
本論文の主な貢献は,領域適応画像を用いたセグメント化結果と適応しない画像との比較により,このアプローチの迅速性を分析することである。
HRSemI2Iモデルは、6バンド画像で動作するように調整され、平均値とクラス毎のメトリクスの交差対一性能が大幅に向上した。
第2のコントリビューションは、NALCMS 2015とCORINEの2つのラベルスキーム間の異なる一般化スキームを提供することである。
第1のスキームは、より高いレベルの土地被覆クラスによる標準化であり、第2のスキームは、フィールドにおける調和検証である。
関連論文リスト
- SatSynth: Augmenting Image-Mask Pairs through Diffusion Models for Aerial Semantic Segmentation [69.42764583465508]
我々は,地球観測における注釈付きデータの不足に対処するために,生成的画像拡散の可能性を探る。
我々の知る限りでは、衛星セグメンテーションのための画像と対応するマスクの両方を最初に生成する。
論文 参考訳(メタデータ) (2024-03-25T10:30:22Z) - Adaptive Betweenness Clustering for Semi-Supervised Domain Adaptation [108.40945109477886]
分類領域アライメントを実現するために,G-ABC (Adaptive Betweenness Clustering) と呼ばれる新しいSSDA手法を提案する。
提案手法は従来のSSDA手法よりも優れており,提案したG-ABCアルゴリズムの優位性を示している。
論文 参考訳(メタデータ) (2024-01-21T09:57:56Z) - Self-supervised Domain-agnostic Domain Adaptation for Satellite Images [18.151134198549574]
このようなドメイン定義なしでドメイン適応を行うための自己教師付きドメイン非依存ドメイン適応(SS(DA)2)手法を提案する。
まず,2つの衛星画像パッチ間で画像と画像の変換を行うために,生成ネットワークのトレーニングを行う。
そして、異なる試験スペクトル特性でトレーニングデータを増強することにより、下流モデルの一般化性を向上させる。
論文 参考訳(メタデータ) (2023-09-20T07:37:23Z) - Compositional Semantic Mix for Domain Adaptation in Point Cloud
Segmentation [65.78246406460305]
合成意味混合は、ポイントクラウドセグメンテーションのための最初の教師なし領域適応技術である。
本稿では、ソースドメイン(例えば合成)からの点雲とターゲットドメイン(例えば実世界)からの点雲を同時に処理できる2分岐対称ネットワークアーキテクチャを提案する。
論文 参考訳(メタデータ) (2023-08-28T14:43:36Z) - High-resolution semantically-consistent image-to-image translation [0.0]
本稿では,スタイル変換フェーズにおける画像のセマンティック一貫性と画素単位の品質を保った教師なし領域適応モデルを提案する。
提案モデルでは,SemI2Iモデルと比較してかなりの性能向上を示し,最先端のCyCADAモデルと同様の結果を得た。
論文 参考訳(メタデータ) (2022-09-13T19:08:30Z) - Activation Regression for Continuous Domain Generalization with
Applications to Crop Classification [48.795866501365694]
衛星画像の地理的変異は、機械学習モデルが新しい領域に一般化する能力に影響を与える。
中分解能ランドサット8衛星画像の地理的一般化を連続領域適応問題としてモデル化する。
我々は,アメリカ大陸全域に空間分布するデータセットを開発した。
論文 参考訳(メタデータ) (2022-04-14T15:41:39Z) - Attention-based Domain Adaptation for Single Stage Detectors [75.88557558238841]
適応が焦点を置くべき重要な領域を特定するための注意機構を導入する。
我々のアプローチは汎用的で、任意の単段検出器に統合できる。
等価な単一ステージアーキテクチャでは、この手法は最先端のドメイン適応技術より優れている。
論文 参考訳(メタデータ) (2021-06-14T10:30:44Z) - Cross-Sensor Adversarial Domain Adaptation of Landsat-8 and Proba-V
images for Cloud Detection [1.5828697880068703]
同様の特徴を持つ光学センサーを搭載した地球観測衛星の数は、常に増え続けている。
抽出された放射能の差は精度を著しく低下させ、センサー間の知識と情報共有を損なう。
本稿では,2つの衛星センサ間の画像の統計的差異を低減し,転送学習モデルの性能を向上させるための領域適応を提案する。
論文 参考訳(メタデータ) (2020-06-10T16:16:01Z) - A Cycle GAN Approach for Heterogeneous Domain Adaptation in Land Use
Classification [0.0]
本稿では,分類損失と距離空間アライメント項を組み込んだ改良型サイクルGANを用いて,そのようなケースに対処する新しい手法を提案する。
我々は、Google EarthとSentinel-2の画像を用いて、土地利用分類タスクのパワーを実証する。
論文 参考訳(メタデータ) (2020-04-22T08:16:18Z) - Phase Consistent Ecological Domain Adaptation [76.75730500201536]
意味的セグメンテーション(意味的セグメンテーション)の課題に焦点をあてる。そこでは、注釈付き合成データが多用されるが、実際のデータへのアノテートは困難である。
視覚心理学に触発された最初の基準は、2つの画像領域間の地図が位相保存であることである。
第2の基準は、照明剤や撮像センサーの特性に関わらず、その画像に現れる環境統計、またはシーン内の規則を活用することを目的としている。
論文 参考訳(メタデータ) (2020-04-10T06:58:03Z)
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。