論文の概要: Anomaly Segmentation for High-Resolution Remote Sensing Images Based on Pixel Descriptors

• arxiv url: http://arxiv.org/abs/2301.13422v2
• Date: Fri, 28 Apr 2023 11:14:33 GMT
• ステータス: 処理完了
• システム内更新日: 2023-05-01 17:11:35.638041
• Title: Anomaly Segmentation for High-Resolution Remote Sensing Images Based on Pixel Descriptors
• Title（参考訳）: 画素ディスクリプタに基づく高解像度リモートセンシング画像の異常分割
• Authors: Jingtao Li, Xinyu Wang, Hengwei Zhao, Shaoyu Wang, Yanfei Zhong
• Abstract要約: 高空間分解能(HSR)リモートセンシング画像における異常セグメンテーションは、通常のパターンから逸脱した地球の異常パターンのセグメンテーションを目的としている。 これらの問題に対処するために、HSR画像の異常分割に対して、画素記述子(ASD)に基づく異常分割モデルを提案する。 提案したASDモデルは、4つのHSRデータセットを用いて検証し、最近の最先端モデルと比較した。
• 参考スコア（独自算出の注目度）: 4.802384658974538
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Anomaly segmentation in high spatial resolution (HSR) remote sensing imagery is aimed at segmenting anomaly patterns of the earth deviating from normal patterns, which plays an important role in various Earth vision applications. However, it is a challenging task due to the complex distribution and the irregular shapes of objects, and the lack of abnormal samples. To tackle these problems, an anomaly segmentation model based on pixel descriptors (ASD) is proposed for anomaly segmentation in HSR imagery. Specifically, deep one-class classification is introduced for anomaly segmentation in the feature space with discriminative pixel descriptors. The ASD model incorporates the data argument for generating virtual ab-normal samples, which can force the pixel descriptors to be compact for normal data and meanwhile to be diverse to avoid the model collapse problems when only positive samples participated in the training. In addition, the ASD introduced a multi-level and multi-scale feature extraction strategy for learning the low-level and semantic information to make the pixel descriptors feature-rich. The proposed ASD model was validated using four HSR datasets and compared with the recent state-of-the-art models, showing its potential value in Earth vision applications.
• Abstract（参考訳）: 高空間解像度(HSR)リモートセンシング画像における異常セグメンテーションは、通常のパターンから逸脱する地球の異常パターンのセグメンテーションを目的としており、様々な地球視覚応用において重要な役割を果たしている。 しかし,複雑な分布や物体の不規則な形状,異常な試料の欠如などにより困難な課題となっている。 これらの問題に対処するために,hsr画像における異常セグメント化のために,ピクセルディスクリプタ(asd)に基づく異常セグメンテーションモデルを提案する。 具体的には、特徴空間の異常セグメンテーションに、識別ピクセル記述子を用いた深層一階分類を導入する。 asdモデルは、仮想のab正規サンプルを生成するためのデータ引数を組み込んでおり、ピクセルディスクリプタを通常のデータでコンパクトにすることができ、一方、正のサンプルだけがトレーニングに参加した場合のモデル崩壊問題を回避するために多様である。 さらに、ASDは、低レベルおよびセマンティック情報を学習し、ピクセル記述子を機能豊かにするマルチレベルかつマルチスケールな特徴抽出戦略を導入した。 提案したASDモデルは、4つのHSRデータセットを用いて検証され、最近の最先端モデルと比較された。

関連論文リスト

• QMambaBSR: Burst Image Super-Resolution with Query State Space Model [55.56075874424194]
  バースト超解像度は、複数のバースト低解像度フレームからサブピクセル情報を融合することにより、高画質でよりリッチな細部で高解像度の画像を再構成することを目的としている。 BusrtSRにおいて鍵となる課題は、高周波ノイズ障害を同時に抑制しつつ、ベースフレームの補完的なサブピクセルの詳細を抽出することである。 本稿では,Query State Space Model (QSSM) とAdaptive Up-Sampling Module (AdaUp) を組み合わせた新しいQuery Mamba Burst Super-Resolution (QMambaBSR) ネットワークを紹介する。
  論文  参考訳（メタデータ） (2024-08-16T11:15:29Z)
• Semantic Guided Large Scale Factor Remote Sensing Image Super-resolution with Generative Diffusion Prior [13.148815217684277]
  大規模因子超解像(SR)アルゴリズムは、軌道から取得した低解像度(LR)衛星データの最大化に不可欠である。 既存の手法では、鮮明なテクスチャと正しい接地オブジェクトでSR画像を復元する際の課題に直面している。 本稿では,大規模リモートセンシング画像の超解像を実現するための新しいフレームワークであるセマンティックガイド拡散モデル(SGDM)を提案する。
  論文  参考訳（メタデータ） (2024-05-11T16:06:16Z)
• Rotated Multi-Scale Interaction Network for Referring Remote Sensing Image Segmentation [63.15257949821558]
  Referring Remote Sensing Image (RRSIS)は、コンピュータビジョンと自然言語処理を組み合わせた新しい課題である。 従来の参照画像(RIS)アプローチは、空中画像に見られる複雑な空間スケールと向きによって妨げられている。 本稿ではRMSIN(Rotated Multi-Scale Interaction Network)を紹介する。
  論文  参考訳（メタデータ） (2023-12-19T08:14:14Z)
• 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)
• Hi-ResNet: Edge Detail Enhancement for High-Resolution Remote Sensing Segmentation [10.919956120261539]
  高分解能リモートセンシング(HRS)セマンティックセマンティクスは、高分解能カバレッジ領域からキーオブジェクトを抽出する。 HRS画像内の同じカテゴリのオブジェクトは、多様な地理的環境におけるスケールと形状の顕著な違いを示す。 効率的なネットワーク構造を持つ高分解能リモートセンシングネットワーク(Hi-ResNet)を提案する。
  論文  参考訳（メタデータ） (2023-05-22T03:58:25Z)
• Exploring Invariant Representation for Visible-Infrared Person Re-Identification [77.06940947765406]
  異なるスペクトルを横断する歩行者にアイデンティティを関連付けることを目的とした、クロススペクトルの人物再識別は、モダリティの相違の主な課題に直面している。 本稿では、ロバスト機能マイニングネットワーク(RFM)と呼ばれるエンドツーエンドのハイブリッド学習フレームワークにおいて、画像レベルと特徴レベルの両方の問題に対処する。 RegDBとSYSU-MM01という2つの標準的なクロススペクトル人物識別データセットの実験結果により,最先端の性能が示された。
  論文  参考訳（メタデータ） (2023-02-02T05:24:50Z)
• CRADL: Contrastive Representations for Unsupervised Anomaly Detection and Localization [2.8659934481869715]
  医用画像における教師なし異常検出は、訓練中に異常データを必要とせず、任意の異常を検出し、位置決めすることを目的としている。 現在の最先端の手法のほとんどは、画像上で直接動作する潜在変数生成モデルを使用している。 コントラストプレテクストタスクで訓練されたエンコーダの低次元表現空間において,正規サンプルの分布を直接モデル化するCRADLを提案する。
  論文  参考訳（メタデータ） (2023-01-05T16:07:49Z)
• Exploiting Digital Surface Models for Inferring Super-Resolution for Remotely Sensed Images [2.3204178451683264]
  本稿では,SRRモデルにリアルなリモートセンシング画像の出力を強制する新しい手法を提案する。 画像の通常のデジタル表面モデル(nDSM)から推定されるピクセルレベルの情報を知覚的損失として特徴空間の類似性に頼る代わりに、モデルが考慮する。 視覚検査に基づいて、推定された超解像画像は、特に優れた品質を示す。
  論文  参考訳（メタデータ） (2022-05-09T06:02:50Z)
• Superpixel-guided Discriminative Low-rank Representation of Hyperspectral Images for Classification [49.32130776974202]
  SP-DLRRは2つのモジュール、すなわち分類誘導スーパーピクセルセグメンテーションと識別低ランク表現で構成されている。 3つのベンチマークデータセットの実験結果から,SP-DLRRが最先端手法よりも有意な優位性を示した。
  論文  参考訳（メタデータ） (2021-08-25T10:47:26Z)
• Superpixel Segmentation Based on Spatially Constrained Subspace Clustering [57.76302397774641]
  独立意味情報を持つ各代表領域を部分空間とみなし,部分空間クラスタリング問題としてスーパーピクセルセグメンテーションを定式化する。 従来のサブスペースクラスタリングとスーパーピクセルセグメンテーションの簡単な統合は,画素の空間相関のために効果的に機能しないことを示す。 本稿では,空間隣接画素に類似の属性を付加してスーパーピクセルにクラスタリング可能な,凸局所性制約付きサブスペースクラスタリングモデルを提案する。
  論文  参考訳（メタデータ） (2020-12-11T06:18:36Z)

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。