論文の概要: Modeling Complex Object Changes in Satellite Image Time-Series: Approach
based on CSP and Spatiotemporal Graph
- arxiv url: http://arxiv.org/abs/2305.15091v1
- Date: Wed, 24 May 2023 12:15:19 GMT
- ステータス: 処理完了
- システム内更新日: 2023-05-25 15:57:24.442360
- Title: Modeling Complex Object Changes in Satellite Image Time-Series: Approach
based on CSP and Spatiotemporal Graph
- Title（参考訳）: 衛星画像時系列における複雑な物体変化のモデル化:CSPと時空間グラフに基づくアプローチ
- Authors: Zouhayra Ayadi, Wadii Boulila, Imed Riadh Farah
- Abstract要約: プロセスは、まず、各画像内のオブジェクトの識別、2番目は、複雑なオブジェクトの変化をモデル化するための時間グラフの構築、3番目は、基本時空間グラフで検出されるサブグラフの作成、4番目は、サブグラフを検出して、関連するCSPグラフを決定するための制約ネットワークを解くことにより、グラフの分析である。
サウジアラビアの複数の都市を対象とした実世界の画像を用いて実験を行い,提案手法の有効性を実証した。
- 参考スコア（独自算出の注目度）: 2.0303656145222857
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: This paper proposes a method for automatically monitoring and analyzing the
evolution of complex geographic objects. The objects are modeled as a
spatiotemporal graph, which separates filiation relations, spatial relations,
and spatiotemporal relations, and is analyzed by detecting frequent sub-graphs
using constraint satisfaction problems (CSP). The process is divided into four
steps: first, the identification of complex objects in each satellite image;
second, the construction of a spatiotemporal graph to model the spatiotemporal
changes of the complex objects; third, the creation of sub-graphs to be
detected in the base spatiotemporal graph; and fourth, the analysis of the
spatiotemporal graph by detecting the sub-graphs and solving a constraint
network to determine relevant sub-graphs. The final step is further broken down
into two sub-steps: (i) the modeling of the constraint network with defined
variables and constraints, and (ii) the solving of the constraint network to
find relevant sub-graphs in the spatiotemporal graph. Experiments were
conducted using real-world satellite images representing several cities in
Saudi Arabia, and the results demonstrate the effectiveness of the proposed
approach.
- Abstract（参考訳）: 本稿では,複雑な地理的物体の進化を自動的に監視し,解析する手法を提案する。
オブジェクトは空間的関係,空間的関係,時空間関係を分離した時空間グラフとしてモデル化され,制約満足度問題(CSP)を用いて頻繁な部分グラフを検出する。
第1に、衛星画像内の複素物体の同定、第2に、複素物体の時空間変化をモデル化するための時空間グラフの構築、第3に、ベース時空間グラフで検出すべき部分グラフの作成、第4に、サブグラフを検出して制約ネットワークを解いて関連する部分グラフを決定することによる時空間グラフの解析である。
最後のステップはさらに2つのサブステップに分けられる。
(i)変数や制約を定義した制約ネットワークのモデル化、
(ii)時空間グラフの関連部分グラフを見つけるための制約ネットワークの解法。
サウジアラビアの複数の都市を対象とした実世界の衛星画像を用いて実験を行い,提案手法の有効性を実証した。
関連論文リスト
- Improving embedding of graphs with missing data by soft manifolds [51.425411400683565]
グラフ埋め込みの信頼性は、連続空間の幾何がグラフ構造とどの程度一致しているかに依存する。
我々は、この問題を解決することができる、ソフト多様体と呼ばれる新しい多様体のクラスを導入する。
グラフ埋め込みにソフト多様体を用いることで、複雑なデータセット上のデータ解析における任意のタスクを追求するための連続空間を提供できる。
論文 参考訳（メタデータ） (2023-11-29T12:48:33Z) - Mending of Spatio-Temporal Dependencies in Block Adjacency Matrix [3.529869282529924]
本稿では,時間的依存を考慮に入れた新たなエンドツーエンド学習アーキテクチャを提案する。
提案手法は,SurgVisDomやC2D2などのベンチマークデータセット上での優れた性能を示す。
論文 参考訳（メタデータ） (2023-10-04T06:42:33Z) - A Topological Distance Measure between Multi-Fields for Classification
and Analysis of Shapes and Data [0.0]
多次元リーブグラフ(MDRG)の計算による2つのマルチフィールド間の距離測定の改善を提案する。
次に、MDRGの各リーブグラフに対応する永続図を演算することにより、永続図の階層構造を構築する。
提案手法は擬似測度および安定性特性を満たすことを示す。
論文 参考訳（メタデータ） (2023-03-06T05:38:13Z) - GrannGAN: Graph annotation generative adversarial networks [72.66289932625742]
本稿では,高次元分布をモデル化し,グラフスケルトンと整合した複雑な関係特徴構造を持つデータの新しい例を生成することの問題点を考察する。
提案するモデルは,タスクを2つのフェーズに分割することで,各データポイントのグラフ構造に制約されたデータ特徴を生成する問題に対処する。
第一に、与えられたグラフのノードに関連する機能の分布をモデル化し、第二に、ノードのフィーチャに条件付きでエッジ機能を補完する。
論文 参考訳（メタデータ） (2022-12-01T11:49:07Z) - Spatio-Temporal Joint Graph Convolutional Networks for Traffic
Forecasting [75.10017445699532]
近年、時間グラフモデリング問題として交通予測の定式化に焦点が移っている。
本稿では,道路網における交通予測の精度向上のための新しい手法を提案する。
論文 参考訳（メタデータ） (2021-11-25T08:45:14Z) - Spatial-spectral Hyperspectral Image Classification via Multiple Random
Anchor Graphs Ensemble Learning [88.60285937702304]
本稿では,複数のランダムアンカーグラフアンサンブル学習(RAGE)を用いた空間スペクトルHSI分類手法を提案する。
まず、各選択されたバンドのより記述的な特徴を抽出し、局所的な構造と領域の微妙な変化を保存するローカルバイナリパターンを採用する。
次に,アンカーグラフの構成に適応隣接代入を導入し,計算複雑性を低減した。
論文 参考訳（メタデータ） (2021-03-25T09:31:41Z) - Laplacian Change Point Detection for Dynamic Graphs [10.556288610354997]
各スナップショットにおけるグラフ構造のラプラシアン行列のスペクトルを用いて低次元埋め込みを求めるラプラシアン異常検出(Laplacian Anomaly Detection,LAD)を提案する。
合成実験では、LADは最先端の手法よりも優れている。
また,UCIメッセージネットワーク,米国上院共同責任ネットワーク,カナダ紙幣投票ネットワークの3つの実動的ネットワーク上で,本手法の評価を行った。
論文 参考訳（メタデータ） (2020-07-02T16:24:24Z) - Structural Landmarking and Interaction Modelling: on Resolution Dilemmas
in Graph Classification [50.83222170524406]
解法ジレンマの統一概念に基づくグラフ分類における本質的難易度の研究」
構造ランドマークと相互作用モデリングのためのインダクティブニューラルネットワークモデルSLIM'を提案する。
論文 参考訳（メタデータ） (2020-06-29T01:01:42Z) - Disentangling and Unifying Graph Convolutions for Skeleton-Based Action
Recognition [79.33539539956186]
本稿では,マルチスケールグラフ畳み込みと,G3Dという空間時間グラフ畳み込み演算子を結合する簡単な方法を提案する。
これらの提案を結合することにより,MS-G3Dという強力な特徴抽出器を開発し,そのモデルが3つの大規模データセット上で従来の最先端手法より優れていることを示す。
論文 参考訳（メタデータ） (2020-03-31T11:28:25Z)
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。