論文の概要: HCGMNET: A Hierarchical Change Guiding Map Network For Change Detection
- arxiv url: http://arxiv.org/abs/2302.10420v1
- Date: Tue, 21 Feb 2023 03:16:22 GMT
- ステータス: 処理完了
- システム内更新日: 2023-02-22 16:34:13.894049
- Title: HCGMNET: A Hierarchical Change Guiding Map Network For Change Detection
- Title(参考訳): HCGMNET: 変更検出のための階層的な変更ガイドマップネットワーク
- Authors: Chengxi Han, Chen Wu, Bo Du
- Abstract要約: 我々は,変化検出のための階層的変化ガイドマップネットワーク(HCGMNet)を提案する。
このモデルは階層的畳み込み演算を用いてマルチスケールの特徴を抽出する。
提案したHCGMNetアーキテクチャは,既存の最先端(SOTA)CD手法よりも優れたCD性能を実現する。
- 参考スコア(独自算出の注目度): 32.23764287942984
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Very-high-resolution (VHR) remote sensing (RS) image change detection (CD)
has been a challenging task for its very rich spatial information and sample
imbalance problem. In this paper, we have proposed a hierarchical change
guiding map network (HCGMNet) for change detection. The model uses hierarchical
convolution operations to extract multiscale features, continuously merges
multi-scale features layer by layer to improve the expression of global and
local information, and guides the model to gradually refine edge features and
comprehensive performance by a change guide module (CGM), which is a
self-attention with changing guide map. Extensive experiments on two CD
datasets show that the proposed HCGMNet architecture achieves better CD
performance than existing state-of-the-art (SOTA) CD methods.
- Abstract(参考訳): 超高分解能(VHR)リモートセンシング(RS)画像変化検出(CD)は、非常に豊富な空間情報とサンプルの不均衡問題において難しい課題である。
本稿では,変化検出のための階層的変化ガイドマップネットワーク(HCGMNet)を提案する。
このモデルでは階層的畳み込み操作を用いてマルチスケールの特徴を抽出し,多層的特徴層を連続的にマージしてグローバルおよびローカル情報の表現を改善するとともに,ガイドマップの変更を伴う自己注意型変更ガイドモジュール(CGM)により,エッジ特徴と包括的性能を徐々に洗練させる。
2つのCDデータセットに対する大規模な実験により、提案したHCGMNetアーキテクチャは既存のSOTA(State-of-the-art)CD手法よりも優れたCD性能を実現することが示された。
関連論文リスト
- Exchanging Dual Encoder-Decoder: A New Strategy for Change Detection
with Semantic Guidance and Spatial Localization [10.059696915598392]
セマンティックガイダンスと空間的ローカライゼーションを用いたバイナリ変更検出のための2つのエンコーダ・デコーダ構造を交換した新しい戦略を提案する。
この戦略に基づいてバイナリ変更検出モデルを構築し、それを6つのデータセット上で18の最先端の変更検出手法と比較する。
論文 参考訳(メタデータ) (2023-11-19T11:30:43Z) - TransY-Net:Learning Fully Transformer Networks for Change Detection of
Remote Sensing Images [64.63004710817239]
リモートセンシング画像CDのためのトランスフォーマーベース学習フレームワークTransY-Netを提案する。
グローバルな視点からの特徴抽出を改善し、ピラミッド方式で多段階の視覚的特徴を組み合わせる。
提案手法は,4つの光学式および2つのSAR画像CDベンチマーク上での最先端性能を実現する。
論文 参考訳(メタデータ) (2023-10-22T07:42:19Z) - Dsfer-Net: A Deep Supervision and Feature Retrieval Network for
Bitemporal Change Detection Using Modern Hopfield Networks [12.719327447589345]
本稿では,バイテンポラル変化検出のためのDeep Supervision and feature Retrieval Network (Dsfer-Net)を提案する。
具体的には、バイテンポラル画像の高度に代表的な深い特徴を、完全に畳み込みされたシームズネットワークを通じて、共同で抽出する。
また,特徴検索モジュールを設計し,特徴の差分を抽出し,識別情報を深く教師された方法で活用する。
論文 参考訳(メタデータ) (2023-04-03T16:01:03Z) - Deep Metric Learning for Unsupervised Remote Sensing Change Detection [60.89777029184023]
リモートセンシング変化検出(RS-CD)は、マルチテンポラルリモートセンシング画像(MT-RSI)から関連する変化を検出することを目的とする。
既存のRS-CD法の性能は、大規模な注釈付きデータセットのトレーニングによるものである。
本稿では,これらの問題に対処可能なディープメトリック学習に基づく教師なしCD手法を提案する。
論文 参考訳(メタデータ) (2023-03-16T17:52:45Z) - MCTNet: A Multi-Scale CNN-Transformer Network for Change Detection in
Optical Remote Sensing Images [7.764449276074902]
MCTNetと呼ばれるマルチスケールCNN変換器構造に基づくハイブリッドネットワークを提案する。
MCTNetは既存の最先端CD法よりも優れた検出性能が得られることを示す。
論文 参考訳(メタデータ) (2022-10-14T07:54:28Z) - CM-GAN: Image Inpainting with Cascaded Modulation GAN and Object-Aware
Training [112.96224800952724]
複雑な画像に大きな穴をあける際の可視像構造を生成するためのカスケード変調GAN(CM-GAN)を提案する。
各デコーダブロックにおいて、まず大域変調を適用し、粗い意味認識合成構造を行い、次に大域変調の出力に空間変調を適用し、空間適応的に特徴写像を更に調整する。
さらに,ネットワークがホール内の新たな物体を幻覚させるのを防ぐため,実世界のシナリオにおける物体除去タスクのニーズを満たすために,オブジェクト認識型トレーニングスキームを設計する。
論文 参考訳(メタデータ) (2022-03-22T16:13:27Z) - A Transformer-Based Siamese Network for Change Detection [72.04912755926524]
本稿では、変化検出(CD)のためのトランスフォーマーベースのSiameseネットワークアーキテクチャ(略してChangeFormer)を提案する。
提案手法は,マルチ層パーセプション(MLP)デコーダと階層的に構成されたトランスフォーマエンコーダをシムズネットワークアーキテクチャで統合し,CDの精度向上に必要なマルチスケール長範囲細部を効率よくレンダリングする。
論文 参考訳(メタデータ) (2022-01-04T18:55:22Z) - High-resolution Depth Maps Imaging via Attention-based Hierarchical
Multi-modal Fusion [84.24973877109181]
誘導DSRのための新しい注意に基づく階層型マルチモーダル融合ネットワークを提案する。
本手法は,再現精度,動作速度,メモリ効率の点で最先端手法よりも優れていることを示す。
論文 参考訳(メタデータ) (2021-04-04T03:28:33Z) - Urban Change Detection by Fully Convolutional Siamese Concatenate
Network with Attention [0.6999740786886537]
変更検出(CD)はリモートセンシング、特に都市管理における災害時において重要な問題である。
オブジェクトベースのモデルは、非常に高解像度のリモートセンシング(VHR RS)画像を扱うピクセルベースの手法に好まれる。
本稿では,VHR RS画像の完全自動変化検出アルゴリズムを提案する。
論文 参考訳(メタデータ) (2021-01-31T17:47:16Z) - Hierarchical Paired Channel Fusion Network for Street Scene Change
Detection [41.934290847053695]
ストリートシーン変化検出(Street Scene Change Detection, SSCD)は、特定のストリートビューイメージペア間で異なる時間にキャプチャされた変化領域を特定することを目的としている。
本稿では,HPCFNet (Hierarchical Paired Channel Fusion Network) を提案する。
本フレームワークは,シーン変化領域のスケールと位置の多様性に適応する新しいアプローチを実現する。
論文 参考訳(メタデータ) (2020-10-19T23:51:28Z) - X-ModalNet: A Semi-Supervised Deep Cross-Modal Network for
Classification of Remote Sensing Data [69.37597254841052]
我々はX-ModalNetと呼ばれる新しいクロスモーダルディープラーニングフレームワークを提案する。
X-ModalNetは、ネットワークの上部にある高レベルな特徴によって構築されたアップダスタブルグラフ上にラベルを伝搬するため、うまく一般化する。
我々は2つのマルチモーダルリモートセンシングデータセット(HSI-MSIとHSI-SAR)上でX-ModalNetを評価し、いくつかの最先端手法と比較して大幅に改善した。
論文 参考訳(メタデータ) (2020-06-24T15:29:41Z)
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。