論文の概要: EMS-Net: Efficient Multi-Temporal Self-Attention For Hyperspectral
Change Detection
- arxiv url: http://arxiv.org/abs/2303.13753v1
- Date: Fri, 24 Mar 2023 02:11:22 GMT
- ステータス: 処理完了
- システム内更新日: 2023-03-27 16:02:14.621907
- Title: EMS-Net: Efficient Multi-Temporal Self-Attention For Hyperspectral
Change Detection
- Title（参考訳）: EMS-Net:ハイパースペクトル変化検出のための効率的なマルチテンポラル自己注意
- Authors: Meiqi Hu, Chen Wu, Bo Du
- Abstract要約: 我々は,高スペクトル変化検出のための高効率多時間自己アテンションネットワーク(EMS-Net)を提案している。
EMS-Netは、類似した非変更機能マップの冗長性を削減し、正確なバイナリ変更マップのための効率的なマルチテンポラリ変更情報を計算する。
2つのハイパースペクトル変化検出データセットに実装された実験は、提案手法の優れた性能と妥当性を示す。
- 参考スコア（独自算出の注目度）: 32.23764287942984
- License: http://creativecommons.org/licenses/by-sa/4.0/
- Abstract: Hyperspectral change detection plays an essential role of monitoring the
dynamic urban development and detecting precise fine object evolution and
alteration. In this paper, we have proposed an original Efficient
Multi-temporal Self-attention Network (EMS-Net) for hyperspectral change
detection. The designed EMS module cuts redundancy of those similar and
containing-no-changes feature maps, computing efficient multi-temporal change
information for precise binary change map. Besides, to explore the clustering
characteristics of the change detection, a novel supervised contrastive loss is
provided to enhance the compactness of the unchanged. Experiments implemented
on two hyperspectral change detection datasets manifests the out-standing
performance and validity of proposed method.
- Abstract（参考訳）: ハイパースペクトル変化検出は、動的都市開発を監視し、精密な物体の進化と変化を検出する上で重要な役割を担っている。
本稿では,高スペクトル変化検出のための高効率多時間自己アテンションネットワーク(EMS-Net)を提案する。
設計されたEMSモジュールは、類似した非変更機能マップの冗長性を削減し、正確なバイナリ変更マップのための効率的なマルチ時間変更情報を計算する。
また、変更検出のクラスタリング特性を探索するために、変更のコンパクト性を高めるために、教師付きコントラスト損失が新たに提供される。
2つのハイパースペクトル変化検出データセットに実装された実験は、提案手法の性能と妥当性を示す。
関連論文リスト
- Enhancing Perception of Key Changes in Remote Sensing Image Change Captioning [49.24306593078429]
KCFI(Key Change Features and Instruction-tuned)によるリモートセンシング画像変換キャプションのための新しいフレームワークを提案する。
KCFIは、バイテンポラルリモートセンシング画像特徴を抽出するViTsエンコーダと、重要な変化領域を識別するキー特徴知覚器と、画素レベルの変化検出デコーダとを含む。
提案手法の有効性を検証するため,LEVIR-CCデータセット上のいくつかの最新の変更キャプション手法との比較を行った。
論文 参考訳（メタデータ） (2024-09-19T09:33:33Z) - ChangeViT: Unleashing Plain Vision Transformers for Change Detection [3.582733645632794]
ChangeViTは、大規模な変更のパフォーマンスを高めるために、プレーンなViTバックボーンを採用するフレームワークである。
このフレームワークは3つの一般的な高解像度データセット上で最先端のパフォーマンスを実現する。
論文 参考訳（メタデータ） (2024-06-18T17:59:08Z) - HANet: A Hierarchical Attention Network for Change Detection With Bitemporal Very-High-Resolution Remote Sensing Images [6.890268321645873]
本研究では,変化情報の追加を含まないことに基づく,段階的前景バランスサンプリング戦略を提案する。
この戦略は、初期のトレーニングプロセス中に変更したピクセルの特徴を正確に学習するのに役立つ。
また,階層型注意ネットワーク(HANet)を設計し,マルチスケール機能の統合と詳細機能の改良を図る。
論文 参考訳（メタデータ） (2024-04-14T08:01:27Z) - Segment Any Change [64.23961453159454]
本稿では、ゼロショット予測と、見えない変更タイプやデータ分布の一般化をサポートする新しいタイプの変更検出モデルを提案する。
AnyChangeは、トレーニング不要適応法、バイテンポラルラテントマッチングを通じてSAM(Se segment Any Model)上に構築されます。
また、AnyChangeのゼロショットオブジェクト中心の変更検出機能を有効にするためのポイントクエリ機構を提案する。
論文 参考訳（メタデータ） (2024-02-02T07:17:39Z) - MS-Former: Memory-Supported Transformer for Weakly Supervised Change
Detection with Patch-Level Annotations [50.79913333804232]
弱い教師付き変化検出のためのメモリ支援トランス (MS-Former) を提案する。
MS-Former は双方向注意ブロック (BAB) とパッチレベルの監視スキーム (PSS) から構成される。
3つのベンチマークデータセットの実験結果から,提案手法の有効性が示された。
論文 参考訳（メタデータ） (2023-11-16T09:57:29Z) - Cal-DETR: Calibrated Detection Transformer [67.75361289429013]
本稿では,Deformable-DETR,UP-DETR,DINOのキャリブレーション検出トランス(Cal-DETR)のメカニズムを提案する。
我々は、不確実性を利用してクラスロジットを変調する不確実性誘導ロジット変調機構を開発する。
その結果、Cal-DETRは、ドメイン内およびドメイン外の両方を校正する競合する列車時間法に対して有効であることがわかった。
論文 参考訳（メタデータ） (2023-11-06T22:13:10Z) - Transformer-based Multimodal Change Detection with Multitask Consistency Constraints [10.906283981247796]
現在の変化検出方法は、意味変化検出タスクと高さ変化検出タスクのマルチタスク競合に対処する。
そこで我々は,クロスアテンションにより,多次元入力間の共有表現を学習する効率的なトランスフォーマーネットワークを提案する。
提案手法は,5つの現状変化検出手法と比較して,意味的および高さ変化検出の観点から,一貫したマルチタスク優位性を示す。
論文 参考訳（メタデータ） (2023-10-13T17:38:45Z) - 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) - Binary Change Guided Hyperspectral Multiclass Change Detection [40.225584259198634]
HMCDのための教師なしバイナリチェンジガイドハイパースペクトルマルチクラスチェンジ検出ネットワーク(BCG-Net)を提案する。
BCG-Netでは、新しい部分スキーム統一混合モジュールが多時間スペクトルアンミックスのために設計されている。
従来のルールが数値値に影響を受けやすいという問題に対処するために、革新的なバイナリ変更検出規則が提案されている。
論文 参考訳（メタデータ） (2021-12-08T13:17:24Z) - Semantic Change Detection with Asymmetric Siamese Networks [71.28665116793138]
2つの空中画像が与えられた場合、セマンティックチェンジ検出は、土地被覆のバリエーションを特定し、それらの変化タイプをピクセルワイド境界で識別することを目的としている。
この問題は、正確な都市計画や天然資源管理など、多くの地球ビジョンに関連するタスクにおいて不可欠である。
本研究では, 広く異なる構造を持つモジュールから得られた特徴対を用いて意味変化を同定し, 同定するための非対称システマネットワーク(ASN)を提案する。
論文 参考訳（メタデータ） (2020-10-12T13:26:30Z) - DASNet: Dual attentive fully convolutional siamese networks for change
detection of high resolution satellite images [17.839181739760676]
研究の目的は、関心の変化情報を識別し、無関係な変更情報を干渉要因としてフィルタリングすることである。
近年、ディープラーニングの台頭により、変化検出のための新しいツールが提供され、目覚ましい結果が得られた。
我々は,高解像度画像における変化検出のための新しい手法,すなわち,二重注意型完全畳み込みシームズネットワーク(DASNet)を提案する。
論文 参考訳（メタデータ） (2020-03-07T16:57:10Z)
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。