論文の概要: Align, Perturb and Decouple: Toward Better Leverage of Difference
Information for RSI Change Detection
- arxiv url: http://arxiv.org/abs/2305.18714v1
- Date: Tue, 30 May 2023 03:39:53 GMT
- ステータス: 処理完了
- システム内更新日: 2023-05-31 18:40:57.497636
- Title: Align, Perturb and Decouple: Toward Better Leverage of Difference
Information for RSI Change Detection
- Title(参考訳): 配向・摂動・解離:RSI変化検出のための差分情報のより良い活用を目指して
- Authors: Supeng Wang, Yuxi Li, Ming Xie, Mingmin Chi, Yabiao Wang, Chengjie
Wang, Wenbing Zhu
- Abstract要約: 変化検出は、リモートセンシング画像(RSI)解析において広く採用されている手法である。
そこで我々は,アライメント,摂動,デカップリングといった差分情報を完全に活用するための一連の操作を提案する。
- 参考スコア(独自算出の注目度): 24.249552791014644
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Change detection is a widely adopted technique in remote sense imagery (RSI)
analysis in the discovery of long-term geomorphic evolution. To highlight the
areas of semantic changes, previous effort mostly pays attention to learning
representative feature descriptors of a single image, while the difference
information is either modeled with simple difference operations or implicitly
embedded via feature interactions. Nevertheless, such difference modeling can
be noisy since it suffers from non-semantic changes and lacks explicit guidance
from image content or context. In this paper, we revisit the importance of
feature difference for change detection in RSI, and propose a series of
operations to fully exploit the difference information: Alignment, Perturbation
and Decoupling (APD). Firstly, alignment leverages contextual similarity to
compensate for the non-semantic difference in feature space. Next, a difference
module trained with semantic-wise perturbation is adopted to learn more
generalized change estimators, which reversely bootstraps feature extraction
and prediction. Finally, a decoupled dual-decoder structure is designed to
predict semantic changes in both content-aware and content-agnostic manners.
Extensive experiments are conducted on benchmarks of LEVIR-CD, WHU-CD and
DSIFN-CD, demonstrating our proposed operations bring significant improvement
and achieve competitive results under similar comparative conditions. Code is
available at https://github.com/wangsp1999/CD-Research/tree/main/openAPD
- Abstract(参考訳): 変化検出は、リモートセンシング画像(RSI)解析において長期地形変化の発見において広く採用されている手法である。
セマンティックな変化の領域を強調するために、以前の取り組みは主に単一のイメージの代表的な特徴記述子を学習することに注意を払っている。
しかしながら、このような差分モデリングは、非意味的な変化に悩まされ、画像の内容や文脈からの明確なガイダンスが欠如しているため、うるさい。
本稿では,RSIにおける変化検出における特徴差の重要性を再考し,その差分情報(アライメント,摂動,デカップリング)をフル活用するための一連の操作を提案する。
まず、アライメントは特徴空間の非意味的な差を補うために文脈的類似性を利用する。
次に,semantic-wise perturbationでトレーニングされた差分モジュールを採用して,より一般化された変更推定子を学習し,機能抽出と予測を逆ブートストラップする。
最後に、分離されたデュアルデコーダ構造は、コンテンツ認識とコンテンツ非依存の両方における意味的変化を予測するように設計されている。
LEVIR-CD, WHU-CD, DSIFN-CDのベンチマークで大規模な実験を行い, 提案手法により, 同様の条件下での競争結果が得られた。
コードはhttps://github.com/wangsp1999/cd-research/tree/main/openapdで入手できる。
関連論文リスト
- Changes-Aware Transformer: Learning Generalized Changes Representation [56.917000244470174]
差分特徴の精細化のための新しい変化認識変換器(CAT)を提案する。
様々な変化の一般化表現は、差分特徴空間において容易に学習される。
精細化後、差分特徴空間における変化画素同士が近接し、変化検出を容易にする。
論文 参考訳(メタデータ) (2023-09-24T12:21:57Z) - SAAN: Similarity-aware attention flow network for change detection with
VHR remote sensing images [41.27207121222832]
変化検出(CD)は、地球観測領域における陸面のダイナミクスを監視するための基本的かつ重要な課題である。
これらのCD法は通常、重み共有のシームズエンコーダネットワークを用いてバイテンポラル画像の特徴を抽出し、デコーダネットワークを用いて変化領域を同定する。
そこで我々は,効果的な変化検出を実現するために,新たな類似性認識型注意フローネットワーク(SAAN)を提案する。
論文 参考訳(メタデータ) (2023-08-28T13:35:07Z) - Progressive Semantic-Visual Mutual Adaption for Generalized Zero-Shot
Learning [74.48337375174297]
一般化ゼロショット学習(GZSL)は、目に見えない領域から移行した知識によって、見えないカテゴリを特定する。
プロトタイプと視覚特徴の対応性を段階的にモデル化するために,デュアルセマンティック・ビジュアル・トランスフォーマーモジュール(DSVTM)をデプロイする。
DSVTMは、インスタンス中心のプロトタイプを学習して異なる画像に適応させる、インスタンス駆動セマンティックエンコーダを考案した。
論文 参考訳(メタデータ) (2023-03-27T15:21:43Z) - Joint Spatio-Temporal Modeling for the Semantic Change Detection in
Remote Sensing Images [22.72105435238235]
両時間RSI間の「から」意味遷移を明示的にモデル化するための意味変化(SCanFormer)を提案する。
次に,SCDタスクに忠実な Transformer 時間制約を活用する意味学習手法を導入し,意味変化の学習を指導する。
結果として得られたネットワーク(SCanNet)は、決定的意味変化の検出と、得られた両時間的結果のセマンティック一貫性の両方において、ベースライン法より優れている。
論文 参考訳(メタデータ) (2022-12-10T08:49:19Z) - IDAN: Image Difference Attention Network for Change Detection [3.5366052026723547]
リモートセンシング画像変化検出のための新しい画像差分注意ネットワーク(IDAN)を提案する。
IDANは、画像の地域的特徴とエッジ的特徴の違いを考慮し、抽出した画像特徴を最適化する。
実験の結果、IDANのF1スコアは、WHUデータセットとLEVIR-CDデータセットのベースラインモデルと比較して1.62%と1.98%改善していることが示された。
論文 参考訳(メタデータ) (2022-08-17T13:46:13Z) - dual unet:a novel siamese network for change detection with cascade
differential fusion [4.651756476458979]
本稿では,変化検出タスク,すなわちDual-UNetのための新しいSiameseニューラルネットワークを提案する。
従来のバイテンポラル画像の符号化とは対照的に,画素の空間的差分関係に着目したエンコーダ差分アテンションモジュールを設計する。
実験により、提案手法は、一般的な季節変化検出データセットにおいて、常に最も高度な手法よりも優れていることが示された。
論文 参考訳(メタデータ) (2022-08-12T14:24:09Z) - Revisiting Consistency Regularization for Semi-Supervised Learning [80.28461584135967]
そこで我々は,FeatDistLossというシンプルな手法により,一貫性の規則化を改良したフレームワークを提案する。
実験結果から,本モデルは様々なデータセットや設定のための新しい技術状態を定義する。
論文 参考訳(メタデータ) (2021-12-10T20:46:13Z) - HSVA: Hierarchical Semantic-Visual Adaptation for Zero-Shot Learning [74.76431541169342]
ゼロショット学習(ZSL)は、目に見えないクラス認識の問題に取り組み、目に見えないクラスから目に見えないクラスに意味的な知識を移す。
本稿では,意味領域と視覚領域を協調させる新しい階層型意味視覚適応(HSVA)フレームワークを提案する。
4つのベンチマークデータセットの実験では、HSVAは従来のZSLと一般的なZSLの両方で優れた性能を示す。
論文 参考訳(メタデータ) (2021-09-30T14:27:50Z) - 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) - Self-Guided Adaptation: Progressive Representation Alignment for Domain
Adaptive Object Detection [86.69077525494106]
非教師なしドメイン適応(UDA)は、オブジェクト検出モデルのドメイン間ロバスト性を改善するために前例のない成功を収めた。
既存のUDA手法は、モデル学習中の瞬間的なデータ分布を無視しており、大きなドメインシフトによって特徴表現が劣化する可能性がある。
本稿では、特徴表現の整合とドメイン間のオブジェクト検出モデルの転送を目標とする自己ガイド適応モデルを提案する。
論文 参考訳(メタデータ) (2020-03-19T13:30:45Z)
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。