論文の概要: Building Segmentation on Satellite Images and Performance of
Post-Processing Methods
- arxiv url: http://arxiv.org/abs/2212.13712v1
- Date: Wed, 28 Dec 2022 06:16:39 GMT
- ステータス: 処理完了
- システム内更新日: 2022-12-29 16:03:19.113217
- Title: Building Segmentation on Satellite Images and Performance of
Post-Processing Methods
- Title（参考訳）: 衛星画像上のセグメンテーションの構築と事後手法の性能
- Authors: Metehan Yal\c{c}{\i}n, Ahmet Alp Kindiroglu, Furkan Burak
Ba\u{g}c{\i}, Ufuk Uyan, Mahiye Uluya\u{g}mur \"Ozt\"urk
- Abstract要約: 衛星画像のセグメンテーションは、都市、農業、通信網計画など多くの潜在的な用途に利用できる。
われわれは中国でいくつかのモデルを訓練し、その中の最高のモデルについて後処理を行った。
結果からわかるように、この分野の最先端の結果は得られていないが、結果は有望である。
- 参考スコア（独自算出の注目度）: 1.0499611180329804
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Researchers are doing intensive work on satellite images due to the
information it contains with the development of computer vision algorithms and
the ease of accessibility to satellite images. Building segmentation of
satellite images can be used for many potential applications such as city,
agricultural, and communication network planning. However, since no dataset
exists for every region, the model trained in a region must gain generality. In
this study, we trained several models in China and post-processing work was
done on the best model selected among them. These models are evaluated in the
Chicago region of the INRIA dataset. As can be seen from the results, although
state-of-art results in this area have not been achieved, the results are
promising. We aim to present our initial experimental results of a building
segmentation from satellite images in this study.
- Abstract（参考訳）: 研究者は、コンピュータビジョンアルゴリズムの開発と衛星画像へのアクセシビリティーの容易さにより、衛星画像に関する情報収集に力を入れている。
衛星画像のセグメンテーションの構築は、都市、農業、通信ネットワーク計画など、多くの潜在的な用途に使用できる。
しかし、すべての領域にデータセットが存在しないため、ある領域でトレーニングされたモデルは一般化されなければならない。
本研究では,中国でいくつかのモデルを訓練し,その中から選択した最良のモデルについて後処理を行った。
これらのモデルは、INRIAデータセットのシカゴ地域で評価される。
結果から分かるように、この分野における最先端の成果は達成されていないが、結果は有望である。
本研究は,衛星画像からの建物セグメンテーションの初期実験結果を示すことを目的とする。
関連論文リスト
- CrossViewDiff: A Cross-View Diffusion Model for Satellite-to-Street View Synthesis [54.852701978617056]
CrossViewDiffは、衛星間ビュー合成のためのクロスビュー拡散モデルである。
ビュー間の大きな相違による課題に対処するため、衛星シーン構造推定とクロスプラットフォームテクスチャマッピングモジュールを設計する。
合成結果のより包括的な評価を実現するため,GPTに基づくスコアリング手法を設計する。
論文 参考訳（メタデータ） (2024-08-27T03:41:44Z) - BD-SAT: High-resolution Land Use Land Cover Dataset & Benchmark Results for Developing Division: Dhaka, BD [1.0049728389234778]
BD-SATは高解像度のデータセットで、ダッカ大都市圏と周辺農村部と都市部のLULCアノテーションを含んでいる。
厳密で標準化された手順を用いて、地上空間距離が2.22メートル/ピクセルであるBing衛星画像を用いて、地上の真理を作成する。
その結果, 注釈付きBD-SATは, 5つの主要なLULCクラスに対して, 適切な精度で大規模深層学習モデルを訓練するのに十分であることがわかった。
論文 参考訳（メタデータ） (2024-06-09T20:54:58Z) - FlightScope: A Deep Comprehensive Review of Aircraft Detection Algorithms in Satellite Imagery [2.9687381456164004]
本稿では,衛星画像中の航空機を識別するタスク用にカスタマイズされた,高度な物体検出アルゴリズム群を批判的に評価し,比較する。
この研究は、YOLOバージョン5と8、より高速なRCNN、CenterNet、RetinaNet、RTMDet、DETRを含む一連の方法論を含む。
YOLOv5は空中物体検出のための堅牢なソリューションとして登場し、平均的精度、リコール、ユニオンのスコアに対するインターセクションによってその重要性を裏付けている。
論文 参考訳（メタデータ） (2024-04-03T17:24:27Z) - 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) - A General Purpose Neural Architecture for Geospatial Systems [142.43454584836812]
本稿では,空間的帰納バイアスを持つ汎用ニューラルアーキテクチャ(GPNA)の構築に向けたロードマップを示す。
このようなモデルがコミュニティのメンバー間の協力をいかに促進するかを考察する。
論文 参考訳（メタデータ） (2022-11-04T09:58:57Z) - Semantic Segmentation of Vegetation in Remote Sensing Imagery Using Deep
Learning [77.34726150561087]
本稿では,公開されているリモートセンシングデータからなるマルチモーダル・大規模時間データセットを作成するためのアプローチを提案する。
我々は、異なる種類の植生を分離できる畳み込みニューラルネットワーク(CNN)モデルを使用する。
論文 参考訳（メタデータ） (2022-09-28T18:51:59Z) - Segmenting across places: The need for fair transfer learning with
satellite imagery [24.087993065704527]
最先端のモデルは、都市部に比べて農村部での全体的な精度が良い。
本研究では, 都市部に比べて, 原産地と対象地域とでは, 生衛星画像が相違点が多いことを示す。
論文 参考訳（メタデータ） (2022-04-09T02:14:56Z) - Embedding Earth: Self-supervised contrastive pre-training for dense land
cover classification [61.44538721707377]
本研究では,衛星画像の高可用性を活用するための自己監督型コントラスト事前学習法として,エンベディングアースを提案する。
提案手法による事前学習では, 25%の絶対mIoUが得られた。
学習した特徴は、異なる領域間で一般化され、提案した事前学習スキームの可能性を開放する。
論文 参考訳（メタデータ） (2022-03-11T16:14:14Z) - IS-COUNT: Large-scale Object Counting from Satellite Images with
Covariate-based Importance Sampling [90.97859312029615]
本研究では,大規模地形におけるオブジェクト数統計をサンプリングによって推定する手法を提案する。
提案手法は,米国とアフリカ,ケニアの自動車,バングラデシュのレンガキルン,米国のスイミングプールの建物数の推定において,高い性能を発揮することを示す。
論文 参考訳（メタデータ） (2021-12-16T18:59:29Z) - Continental-Scale Building Detection from High Resolution Satellite
Imagery [5.56205296867374]
アーキテクチャ,損失関数,正規化,事前学習,自己学習,後処理のバリエーションについて検討し,インスタンスセグメンテーション性能を向上する。
アフリカ全土の100万枚の衛星画像のデータセットを用いて、手動でラベル付けされた建築事例を含む実験が行われた。
本稿では,このモデルを用いた建物検出の性能向上のための新しい手法について報告する。
論文 参考訳（メタデータ） (2021-07-26T15:48:14Z) - Land Cover Semantic Segmentation Using ResUNet [0.0]
本稿では,土地被覆分類のための自動システムの開発について述べる。
本システムは、入力として領域のマルチバンド衛星画像を取得し、入力と同じ解像度で領域のランドカバーマップを出力する。
この目的のために、衛星画像の土地被覆セマンティックセグメンテーションを予測するために、畳み込み機械学習モデルを訓練した。
論文 参考訳（メタデータ） (2020-10-13T10:56:09Z)
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。