Fugu-MT 論文翻訳(概要): HCGMNET: A Hierarchical Change Guiding Map Network For Change Detection

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

EfficientCD: A New Strategy For Change Detection Based With Bi-temporal Layers Exchanged [3.3885253104046993]
本稿では,リモートセンシング画像変化検出のためのEfficientCDという新しいディープラーニングフレームワークを提案する。このフレームワークは機能抽出のバックボーンネットワークとしてEfficientNetを使用している。 EfficientCDは4つのリモートセンシングデータセットで実験的に検証されている。
論文参考訳（メタデータ） (2024-07-22T19:11:50Z)
ChangeBind: A Hybrid Change Encoder for Remote Sensing Change Detection [16.62779899494721]
変化検出(CD)は、異なる時刻スタンプで同じ地理的領域間の意味的変化を検出することを目的とした、リモートセンシング(RS)の基本課題である。本稿では,バイテンポラルRS画像における意味変化をエンコードする,効果的なSiameseベースのフレームワークを提案する。
論文参考訳（メタデータ） (2024-04-26T17:47:14Z)
ELGC-Net: Efficient Local-Global Context Aggregation for Remote Sensing Change Detection [65.59969454655996]
本稿では,変化領域を正確に推定するために,リッチな文脈情報を利用する効率的な変化検出フレームワークELGC-Netを提案する。提案するELGC-Netは、リモートセンシング変更検出ベンチマークにおいて、最先端の性能を新たに設定する。また,ELGC-Net-LWも導入した。
論文参考訳（メタデータ） (2024-03-26T17:46:25Z)
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 [35.415260892693745]
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。エンド・ツー・エンドのネットワークは,異なるレイヤから抽出した特徴と特徴のペアを集約することで,新たなフレームワークを確立する。
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)
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)
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)

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。