論文の概要: Change Detection Methods for Remote Sensing in the Last Decade: A Comprehensive Review

• arxiv url: http://arxiv.org/abs/2305.05813v1
• Date: Tue, 9 May 2023 23:52:37 GMT
• ステータス: 処理完了
• システム内更新日: 2023-05-11 14:55:36.398484
• Title: Change Detection Methods for Remote Sensing in the Last Decade: A Comprehensive Review
• Title（参考訳）: 過去10年間のリモートセンシングにおける変化検出手法 : 包括的レビュー
• Authors: Guangliang Cheng, Yunmeng Huang, Xiangtai Li, Shuchang Lyu, Zhaoyang Xu, Qi Zhao, Shiming Xiang
• Abstract要約: 変更検出はリモートセンシングにおいて必須かつ広く利用されるタスクである。 時間とともに同じ地理的領域で起きている変化を検出し、分析することを目的としている。 ディープラーニングは、これらの課題を抽出し対処するための強力なツールとして登場した。
• 参考スコア（独自算出の注目度）: 45.78958623050146
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Change detection is an essential and widely utilized task in remote sensing that aims to detect and analyze changes occurring in the same geographical area over time, which has broad applications in urban development, agricultural surveys, and land cover monitoring. Detecting changes in remote sensing images is a complex challenge due to various factors, including variations in image quality, noise, registration errors, illumination changes, complex landscapes, and spatial heterogeneity. In recent years, deep learning has emerged as a powerful tool for feature extraction and addressing these challenges. Its versatility has resulted in its widespread adoption for numerous image-processing tasks. This paper presents a comprehensive survey of significant advancements in change detection for remote sensing images over the past decade. We first introduce some preliminary knowledge for the change detection task, such as problem definition, datasets, evaluation metrics, and transformer basics, as well as provide a detailed taxonomy of existing algorithms from three different perspectives: algorithm granularity, supervision modes, and learning frameworks in the methodology section. This survey enables readers to gain systematic knowledge of change detection tasks from various angles. We then summarize the state-of-the-art performance on several dominant change detection datasets, providing insights into the strengths and limitations of existing algorithms. Based on our survey, some future research directions for change detection in remote sensing are well identified. This survey paper will shed some light on the community and inspire further research efforts in the change detection task.
• Abstract（参考訳）: 変化の検出はリモートセンシングにおいて必須かつ広く利用されるタスクであり、同じ地理的領域で発生した変化を時間とともに検出し分析することを目的としており、都市開発、農業調査、土地被覆モニタリングに広く応用されている。 リモートセンシング画像の変化の検出は、画像品質の変化、ノイズ、登録エラー、照明変化、複雑な風景、空間的不均一性など、さまざまな要因により複雑な課題である。 近年,これらの課題に対処するための強力なツールとして,ディープラーニングが登場している。 その汎用性は、多くの画像処理タスクに広く採用されている。 本稿では,過去10年間のリモートセンシング画像における変化検出の大幅な進歩を包括的に調査する。 まず,問題定義やデータセット,評価指標,トランスフォーマー基本といった変更検出タスクに関する予備的な知識を紹介するとともに,アルゴリズムの粒度,監視モード,方法論セクションの学習フレームワークといった3つの観点から,既存のアルゴリズムの詳細な分類情報を提供する。 この調査により、読者はさまざまな角度から変化検出タスクの体系的な知識を得ることができる。 次に、いくつかの支配的な変更検出データセットにおける最先端のパフォーマンスを要約し、既存のアルゴリズムの強みと限界についての洞察を提供する。 本調査から,リモートセンシングにおける変化検出の今後の研究方向性が明らかとなった。 本調査は,地域社会に光を当て,変化検出タスクのさらなる研究を刺激するものである。

関連論文リスト

• Show Me What and Where has Changed? Question Answering and Grounding for Remote Sensing Change Detection [82.65760006883248]
  我々は,CDQAG (Change Detection Question Answering and Grounding) という新しいタスクを導入する。 CDQAGは、解釈可能なテキスト回答と直感的な視覚的証拠を提供することで、従来の変更検出タスクを拡張している。 QAG-360Kと呼ばれる最初のCDQAGベンチマークデータセットを構築し、360K以上の質問、テキスト回答、およびそれに対応する高品質な視覚マスクを含む。
  論文  参考訳（メタデータ） (2024-10-31T11:20:13Z)
• Exploring Foundation Models in Remote Sensing Image Change Detection: A Comprehensive Survey [2.9373912230684565]
  変化検出は環境モニタリング,都市開発,土地利用分析などの分野に広く応用されている。 ディープラーニング、特に基礎モデルの開発は、特徴抽出とデータ融合のためのより強力なソリューションを提供してきた。 本稿では, リモートセンシングタスクにおける基礎モデルの適用を中心に, 変更検出の分野における最新の進歩を体系的にレビューする。
  論文  参考訳（メタデータ） (2024-10-10T11:16:05Z)
• A Comprehensive Library for Benchmarking Multi-class Visual Anomaly Detection [52.228708947607636]
  本稿では,新しい手法のモジュラーフレームワークであるADerを包括的視覚異常検出ベンチマークとして紹介する。 このベンチマークには、産業ドメインと医療ドメインからの複数のデータセットが含まれており、15の最先端メソッドと9つの包括的なメトリクスを実装している。 我々は,異なる手法の長所と短所を客観的に明らかにし,多クラス視覚異常検出の課題と今後の方向性について考察する。
  論文  参考訳（メタデータ） (2024-06-05T13:40:07Z)
• Deepfake Generation and Detection: A Benchmark and Survey [134.19054491600832]
  Deepfakeは、特定の条件下で非常にリアルな顔画像やビデオを作成するための技術だ。 この調査は、ディープフェイクの発生と検出の最新の展開を包括的にレビューする。 本研究では, 顔交換, 顔再現, 話し顔生成, 顔属性編集の4つの代表的なディープフェイク分野の研究に焦点をあてる。
  論文  参考訳（メタデータ） (2024-03-26T17:12:34Z)
• Deep learning approaches to Earth Observation change detection [0.0]
  本稿では,畳み込みニューラルネットワークを利用して良好な結果を得る,変化検出(セマンティックセグメンテーションと分類)の2つのアプローチを提案する。 本稿では,畳み込みニューラルネットワークを利用して良好な結果を得る,変化検出(セマンティックセグメンテーションと分類)のための2つのアプローチを提案する。
  論文  参考訳（メタデータ） (2021-07-13T14:34:59Z)
• Unsupervised Domain Adaption of Object Detectors: A Survey [87.08473838767235]
  近年のディープラーニングの進歩は、様々なコンピュータビジョンアプリケーションのための正確で効率的なモデルの開発につながっている。 高度に正確なモデルを学ぶには、大量の注釈付きイメージを持つデータセットの可用性に依存する。 このため、ラベルスカースデータセットに視覚的に異なる画像がある場合、モデルの性能は大幅に低下する。
  論文  参考訳（メタデータ） (2021-05-27T23:34:06Z)
• Task-related self-supervised learning for remote sensing image change detection [8.831857715361624]
  リモートセンシング画像の変更検出は,都市変化の検出,災害評価,その他の分野に広く適用されている。 既存のCNNベースの変更検出手法の多くは、まだ不十分な擬似変化抑制と不十分な特徴表現の問題に悩まされている。 本研究では,タスク関連自己監視学習変化検出ネットワークに基づく,スムーズなメカニズムによる教師なし変化検出手法を提案する。
  論文  参考訳（メタデータ） (2021-05-11T11:44:04Z)
• An Empirical Review of Deep Learning Frameworks for Change Detection: Model Design, Experimental Frameworks, Challenges and Research Needs [11.365255867144226]
  本稿では、変化検出のための最先端のディープラーニング手法を実証的に検証する。 2D-CNN, 3D-CNN, ConvLSTM, マルチスケール機能, 残差接続, オートエンコーダ, GAN ベースの手法など, 既存のアプローチをモデル設計ベースで分類する。
  論文  参考訳（メタデータ） (2021-05-04T07:42:40Z)
• Survey of Network Intrusion Detection Methods from the Perspective of the Knowledge Discovery in Databases Process [63.75363908696257]
  本稿では,侵入検知器の開発を目的として,ネットワークデータに適用された手法について概説する。 本稿では,データのキャプチャ,準備,変換,データマイニング,評価などの手法について論じる。 この文献レビューの結果、ネットワークセキュリティ分野のさらなる研究のために考慮すべきいくつかのオープンな問題について検討する。
  論文  参考訳（メタデータ） (2020-01-27T11:21:05Z)

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。