Fugu-MT 論文翻訳(概要): Semi-Supervised Domain Adaptation for Semantic Segmentation of Roads from Satellite Images

論文の概要: Semi-Supervised Domain Adaptation for Semantic Segmentation of Roads from Satellite Images

arxiv url: http://arxiv.org/abs/2212.13079v1
Date: Mon, 26 Dec 2022 10:50:40 GMT
ステータス: 処理完了
システム内更新日: 2022-12-27 15:16:54.285139
Title: Semi-Supervised Domain Adaptation for Semantic Segmentation of Roads from Satellite Images
Title（参考訳）: 衛星画像からの道路セマンティックセグメンテーションのための半監督領域適応
Authors: Ahmet Alp Kindiroglu, Metehan Yal\c{c}{\i}n, Furkan Burak Ba\u{g}c{\i}, Mahiye Uluya\u{g}mur \"Ozt\"urk
Abstract要約: 本稿では,衛星画像から道路を抽出する半教師付きセグメンテーション手法の予備的知見について述べる。擬似ラベルと最小クラス融合に基づく半教師付きフィールド適応法が提案されている。
参考スコア（独自算出の注目度）: 1.1470070927586016
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: This paper presents the preliminary findings of a semi-supervised segmentation method for extracting roads from sattelite images. Artificial Neural Networks and image segmentation methods are among the most successful methods for extracting road data from satellite images. However, these models require large amounts of training data from different regions to achieve high accuracy rates. In cases where this data needs to be of more quantity or quality, it is a standard method to train deep neural networks by transferring knowledge from annotated data obtained from different sources. This study proposes a method that performs path segmentation with semi-supervised learning methods. A semi-supervised field adaptation method based on pseudo-labeling and Minimum Class Confusion method has been proposed, and it has been observed to increase performance in targeted datasets.
Abstract（参考訳）: 本稿では,衛星画像から道路を抽出する半教師付きセグメンテーション手法の予備的知見を示す。衛星画像から道路データを抽出する手法として,人工ニューラルネットワークと画像分割法が最も成功した。しかし、これらのモデルは高い精度を達成するために、異なる地域からの大量のトレーニングデータを必要とする。このデータがより多くの量や品質を必要とする場合、異なるソースから得られた注釈データから知識を転送してディープニューラルネットワークを訓練する標準的な方法である。本研究では,半教師付き学習手法を用いて経路分割を行う手法を提案する。擬似ラベル法と最小クラス混乱法に基づく半教師付きフィールド適応法が提案されており,ターゲットデータセットの性能向上が期待されている。

関連論文リスト

Exploring selective image matching methods for zero-shot and few-sample unsupervised domain adaptation of urban canopy prediction [1.2277343096128712]
リモートセンシングデータを用いて、天蓋のカバーと高さを新しい地理的設定に予測する訓練されたUNetの適応方法。選択整列データに基づく画像マッチング手法は,ゼロショット設定で有望な結果が得られることがわかった。最適な手法は, キャノピーカバーと高さタスクに対する画素分布適応とフーリエ領域適応であった。
論文参考訳（メタデータ） (2024-04-16T14:52:15Z)
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)
Minimum Class Confusion based Transfer for Land Cover Segmentation in Rural and Urban Regions [0.0]
本研究では,移動学習手法を用いて土地被覆地図の作成を可能にするセマンティックセグメンテーション手法を提案する。低解像度画像で訓練されたモデルと、対象領域やズームレベルの不十分なデータを比較した。都市部における移動学習のセグメンテーション性能は,農村部では3.4%,都市部では12.9%であった。
論文参考訳（メタデータ） (2022-12-05T09:41:06Z)
PCA: Semi-supervised Segmentation with Patch Confidence Adversarial Training [52.895952593202054]
医用画像セグメンテーションのためのPatch Confidence Adrial Training (PCA) と呼ばれる半教師付き対向法を提案する。 PCAは各パッチの画素構造とコンテキスト情報を学習し、十分な勾配フィードバックを得る。本手法は, 医用画像のセグメンテーションにおいて, 最先端の半教師付き手法より優れており, その有効性を示している。
論文参考訳（メタデータ） (2022-07-24T07:45:47Z)
Mars Terrain Segmentation with Less Labels [1.1745324895296465]
本研究では,火星の地形区分に関する半教師付き学習フレームワークを提案する。コントラスト損失関数と出力アトラス畳み込みモジュールを使ってトレーニングされるバックボーンモジュールが組み込まれている。提案したモデルは161のトレーニング画像のみを用いて91.1%のセグメンテーション精度を達成することができる。
論文参考訳（メタデータ） (2022-02-01T22:25:15Z)
Aerial Images Meet Crowdsourced Trajectories: A New Approach to Robust Road Extraction [110.61383502442598]
我々は、Cross-Modal Message Propagation Network (CMMPNet)と呼ばれる新しいニューラルネットワークフレームワークを紹介する。 CMMPNetは、モダリティ固有の表現学習のための2つのディープオートエンコーダと、クロスモーダル表現洗練のためのテーラー設計のデュアルエンハンスメントモジュールで構成されている。実世界の3つのベンチマーク実験により, CMMPNetによる堅牢な道路抽出の有効性が示された。
論文参考訳（メタデータ） (2021-11-30T04:30:10Z)
Sparse Signal Models for Data Augmentation in Deep Learning ATR [0.8999056386710496]
ドメイン知識を取り入れ,データ集約学習アルゴリズムの一般化能力を向上させるためのデータ拡張手法を提案する。本研究では,空間領域における散乱中心のスパース性とアジムタル領域における散乱係数の滑らかな変動構造を活かし,過パラメータモデルフィッティングの問題を解く。
論文参考訳（メタデータ） (2020-12-16T21:46:33Z)
A New Mask R-CNN Based Method for Improved Landslide Detection [54.7905160534631]
本稿では,Mask R-CNN機能を利用した地すべり検出手法を提案する。地すべり及び非地すべり画像を含む160個の要素からなるデータセットを作成する。提案アルゴリズムは丘陵地帯の土地利用計画立案者や政策立案者にとって潜在的に有用である。
論文参考訳（メタデータ） (2020-10-04T07:46:37Z)
Generalized Zero and Few-Shot Transfer for Facial Forgery Detection [3.8073142980733]
フォージェリ検出の文脈でゼロおよび少数ショット転送の問題に対処する新しいトランスファー学習手法を提案する。従来の分類や最先端のドメイン適応/ファウショット学習手法と比較して,この学習戦略は驚くほど効果的である。
論文参考訳（メタデータ） (2020-06-21T18:10:52Z)
MetricUNet: Synergistic Image- and Voxel-Level Learning for Precise CT Prostate Segmentation via Online Sampling [66.01558025094333]
本稿では,前立腺領域を高速に局在させる第1段階と,前立腺領域を正確に区分する第2段階の2段階のフレームワークを提案する。マルチタスクネットワークにおけるボクセルワイドサンプリングによる新しいオンラインメトリック学習モジュールを提案する。本手法は,従来のクロスエントロピー学習法やDice損失学習法と比較して,より代表的なボクセルレベルの特徴を効果的に学習することができる。
論文参考訳（メタデータ） (2020-05-15T10:37:02Z)
Attentive CutMix: An Enhanced Data Augmentation Approach for Deep Learning Based Image Classification [58.20132466198622]
そこで我々は,CutMixに基づく自然拡張拡張戦略であるAttentive CutMixを提案する。各トレーニングイテレーションにおいて、特徴抽出器から中間注意マップに基づいて最も記述性の高い領域を選択する。提案手法は単純かつ有効であり,実装が容易であり,ベースラインを大幅に向上させることができる。
論文参考訳（メタデータ） (2020-03-29T15:01:05Z)

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。