論文の概要: GlobalMind: Global Multi-head Interactive Self-attention Network for Hyperspectral Change Detection

• arxiv url: http://arxiv.org/abs/2304.08687v1
• Date: Tue, 18 Apr 2023 01:43:17 GMT
• ステータス: 処理完了
• システム内更新日: 2023-04-19 16:14:00.050225
• Title: GlobalMind: Global Multi-head Interactive Self-attention Network for Hyperspectral Change Detection
• Title（参考訳）: globalmind: ハイパースペクトル変化検出のためのグローバルマルチヘッド対話型セルフアテンションネットワーク
• Authors: Meiqi Hu, Chen Wu, Liangpei Zhang
• Abstract要約: 地球の地表の高解像度画像により、ユーザーは微細なスケールで経時変化をモニターすることができる。 現在のアルゴリズムの多くは、まだローカルな特徴を記述することに限られており、グローバルな視点を取り入れていない。 我々は,異なる表面オブジェクトと変種土地被覆変換の暗黙的相関を探索するために,グローバルマルチヘッド Interactive Self-attention Change Detection Network (GlobalMind) を提案する。
• 参考スコア（独自算出の注目度）: 22.22495802857453
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: High spectral resolution imagery of the Earth's surface enables users to monitor changes over time in fine-grained scale, playing an increasingly important role in agriculture, defense, and emergency response. However, most current algorithms are still confined to describing local features and fail to incorporate a global perspective, which limits their ability to capture interactions between global features, thus usually resulting in incomplete change regions. In this paper, we propose a Global Multi-head INteractive self-attention change Detection network (GlobalMind) to explore the implicit correlation between different surface objects and variant land cover transformations, acquiring a comprehensive understanding of the data and accurate change detection result. Firstly, a simple but effective Global Axial Segmentation (GAS) strategy is designed to expand the self-attention computation along the row space or column space of hyperspectral images, allowing the global connection with high efficiency. Secondly, with GAS, the global spatial multi-head interactive self-attention (Global-M) module is crafted to mine the abundant spatial-spectral feature involving potential correlations between the ground objects from the entire rich and complex hyperspectral space. Moreover, to acquire the accurate and complete cross-temporal changes, we devise a global temporal interactive multi-head self-attention (GlobalD) module which incorporates the relevance and variation of bi-temporal spatial-spectral features, deriving the integrate potential same kind of changes in the local and global range with the combination of GAS. We perform extensive experiments on five mostly used hyperspectral datasets, and our method outperforms the state-of-the-art algorithms with high accuracy and efficiency.
• Abstract（参考訳）: 地球表面の高いスペクトル分解能画像は、ユーザが粒度の細かいスケールで変化を監視できるようにし、農業、防衛、緊急対応においてますます重要な役割を果たす。 しかし、現在のアルゴリズムのほとんどは依然として局所的な特徴の記述に限定されており、グローバルな視点を取り入れていないため、グローバルな特徴間のインタラクションをキャプチャする能力が制限されているため、通常は不完全な変更領域になる。 本稿では,異なる表面オブジェクトと異種土地被覆変換との暗黙的相関を探索し,データの包括的理解と正確な変化検出結果を得るためのグローバル・マルチヘッド・インタラクティブ・セルフ・アテンション・チェンジ検出ネットワーク(globalmind)を提案する。 まず,超スペクトル画像の行空間あるいは列空間に沿って自己アテンション計算を拡張し,高い効率でグローバル接続を可能にするために,単純かつ効果的なグローバル軸分割(gas)戦略を考案した。 第2に、GASでは、グローバルな空間的多頭部対話型自己注意モジュール(Global-M)が、リッチで複雑なハイパースペクトル空間全体から、地上の物体間の潜在的な相関関係を含む、豊富な空間的スペクトル特徴をマイニングするために構築されている。 さらに, 高精度かつ完全なクロスタイム変化を得るために, 二時間空間スペクトル特徴の関連性と変動を組み込んだグローバル・タイム・インタラクティブ・マルチヘッド・セルフ・アテンション(globald)モジュールを考案し, ガスの組合せによる局所的および全地球的範囲における同種の変化のポテンシャルを導出する。 我々は,主に使用されている5つのハイパースペクトルデータセットに対して広範囲に実験を行い,その精度と効率で最先端のアルゴリズムより優れていることを示す。

関連論文リスト

• Local-Global Attention: An Adaptive Mechanism for Multi-Scale Feature Integration [0.9790236766474198]
  Local-Global Attentionは、ローカルとグローバルの両方のコンテキスト機能を統合するように設計されている。 我々は、広く使われているオブジェクト検出および分類データセットのローカル・グローバル・アテンション機構を徹底的に評価した。
  論文  参考訳（メタデータ） (2024-11-14T17:22:16Z)
• Localization, balance and affinity: a stronger multifaceted collaborative salient object detector in remote sensing images [24.06927394483275]
  ORSIにおいて,LBA-MCNetと呼ばれる,より強力な多面協調型サリエント物体検出器を提案する。 このネットワークは、ターゲットの正確な位置決め、詳細な機能のバランス、画像レベルのグローバルコンテキスト情報のモデリングに重点を置いている。
  論文  参考訳（メタデータ） (2024-10-31T14:50:48Z)
• DRSI-Net: Dual-Residual Spatial Interaction Network for Multi-Person Pose Estimation [7.418828517897727]
  本稿では,MPPEのための2次元空間相互作用ネットワーク(DRSI-Net)を提案する。 他の手法と比較して、DRSI-Netは隣接する特徴について空間的情報通信を行う。 提案したDRSI-Netは、他の最先端の手法よりも精度と複雑さが優れている。
  論文  参考訳（メタデータ） (2024-02-26T15:10:22Z)
• Adaptive Global-Local Representation Learning and Selection for Cross-Domain Facial Expression Recognition [54.334773598942775]
  ドメインシフトは、クロスドメイン顔表情認識(CD-FER)において重要な課題となる 適応的グローバルローカル表現学習・選択フレームワークを提案する。
  論文  参考訳（メタデータ） (2024-01-20T02:21:41Z)
• Global Feature Pyramid Network [1.2473780585666772]
  視覚的特徴ピラミッドは、目標検出タスクの有効性と効率性を証明している。 現在の手法では、層間特徴の相互作用を過度に強調し、層内特徴調整の重要な側面を無視する傾向にある。
  論文  参考訳（メタデータ） (2023-12-18T14:30:41Z)
• Local-Global Temporal Difference Learning for Satellite Video Super-Resolution [55.69322525367221]
  本稿では,時間的差分を効果的かつ効果的な時間的補償に利用することを提案する。 フレーム内における局所的・大域的時間的情報を完全に活用するために,短期・長期的時間的相違を体系的にモデル化した。 5つの主流ビデオ衛星に対して行われた厳密な客観的および主観的評価は、我々の手法が最先端のアプローチに対して好適に機能することを実証している。
  論文  参考訳（メタデータ） (2023-04-10T07:04:40Z)
• Centralized Feature Pyramid for Object Detection [53.501796194901964]
  視覚的特徴ピラミッドは、広範囲のアプリケーションにおいて、有効性と効率の両方において、その優位性を示している。 本稿では,オブジェクト検出のためのOLO特徴ピラミッドを提案する。
  論文  参考訳（メタデータ） (2022-10-05T08:32:54Z)
• Video Salient Object Detection via Adaptive Local-Global Refinement [7.723369608197167]
  ビデオ・サリエント・オブジェクト検出(VSOD)は多くの視覚アプリケーションにおいて重要な課題である。 vsodのための適応型局所的グローバルリファインメントフレームワークを提案する。 重み付け手法は特徴相関を更に活用し,ネットワークにより識別的な特徴表現を学習させることができることを示す。
  論文  参考訳（メタデータ） (2021-04-29T14:14:11Z)
• A Spatial-Temporal Attentive Network with Spatial Continuity for Trajectory Prediction [74.00750936752418]
  空間連続性をもつ空間時間減衰ネットワーク(STAN-SC)という新しいモデルを提案する。 まず、最も有用かつ重要な情報を探るために、空間的時間的注意機構を提示する。 第2に、生成軌道の空間的連続性を維持するために、シーケンスと瞬間状態情報に基づく共同特徴系列を実行する。
  論文  参考訳（メタデータ） (2020-03-13T04:35:50Z)
• Global Context-Aware Progressive Aggregation Network for Salient Object Detection [117.943116761278]
  我々は,低レベルな外観特徴,高レベルな意味特徴,グローバルな文脈特徴を統合化するための新しいネットワークGCPANetを提案する。 提案手法は, 定量的かつ定性的に, 最先端の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） (2020-03-02T04:26:10Z)
• Universal-RCNN: Universal Object Detector via Transferable Graph R-CNN [117.80737222754306]
  我々はUniversal-RCNNと呼ばれる新しいユニバーサルオブジェクト検出器を提案する。 まず、すべてのカテゴリの高レベルなセマンティック表現を統合することで、グローバルなセマンティックプールを生成する。 ドメイン内推論モジュールは、空間認識GCNによってガイドされる1つのデータセット内のスパースグラフ表現を学習し、伝播する。
  論文  参考訳（メタデータ） (2020-02-18T07:57:45Z)

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。