論文の概要: Hard Region Aware Network for Remote Sensing Change Detection

• arxiv url: http://arxiv.org/abs/2305.19513v2
• Date: Fri, 18 Oct 2024 05:14:57 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-10-21 18:13:45.813927
• Title: Hard Region Aware Network for Remote Sensing Change Detection
• Title（参考訳）: リモートセンシング変更検出のためのハード領域認識ネットワーク
• Authors: Zhenglai Li, Chang Tang, Xinwang Liu, Xingchen Hu, Xianju Li, Ning Li, Changdong Li,
• Abstract要約: 変化検出(CD)は、都市管理や災害評価など、様々な現実世界の応用に不可欠である。 本稿では,ハード領域マイニングによる高精度な変化マップを提供するHRANetと呼ばれる新しい変化検出ネットワークを提案する。
• 参考スコア（独自算出の注目度）: 44.269913858088614
• License:
• Abstract: Change detection (CD) is essential for various real-world applications, such as urban management and disaster assessment. Numerous CD methods have been proposed, and considerable results have been achieved recently. However, detecting changes in hard regions, i.e., the change boundary and irrelevant pseudo changes caused by background clutters, remains difficult for these methods, since they pose equal attention for all regions in bi-temporal images. This paper proposes a novel change detection network, termed as HRANet, which provides accurate change maps via hard region mining. Specifically, an online hard region estimation branch is constructed to model the pixel-wise hard samples, supervised by the error between predicted change maps and corresponding ground truth during the training process. A cross-layer knowledge review module is introduced to distill temporal change information from low-level to high-level features, thereby enhancing the feature representation capabilities. Finally, the hard region aware features extracted from the online hard region estimation branch and multi-level temporal difference features are aggregated into a unified feature representation to improve the accuracy of CD. Experimental results on two benchmark datasets demonstrate the superior performance of HRANet in the CD task.
• Abstract（参考訳）: 変化検出(CD)は、都市管理や災害評価など、様々な現実世界の応用に不可欠である。 多数のCD手法が提案され、近年かなりの成果を上げている。 しかし,両時間画像のすべての領域に等しくなるため,背景散乱による変化境界や無関係な擬似変化などの硬質領域の変化を検出することは依然として困難である。 本稿では,ハード領域マイニングによる高精度な変化マップを提供するHRANetと呼ばれる新しい変化検出ネットワークを提案する。 具体的には、トレーニングプロセス中に、予測された変化マップと対応する接地真実との誤差によって教師される、画素単位のハードサンプルをモデル化するために、オンラインハード領域推定ブランチを構築する。 階層間知識レビューモジュールを導入し、低レベルから高レベルまで時間変化情報を抽出し、特徴表現能力を向上する。 最後に、オンラインハード領域推定部から抽出されたハード領域認識特徴と多レベル時間差特徴とを統合された特徴表現に集約し、CDの精度を向上させる。 2つのベンチマークデータセットの実験結果は、CDタスクにおけるHRANetの優れた性能を示している。

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)
• ChangeBind: A Hybrid Change Encoder for Remote Sensing Change Detection [16.62779899494721]
  変化検出(CD)は、異なる時刻スタンプで同じ地理的領域間の意味的変化を検出することを目的とした、リモートセンシング(RS)の基本課題である。 本稿では,バイテンポラルRS画像における意味変化をエンコードする,効果的なSiameseベースのフレームワークを提案する。
  論文  参考訳（メタデータ） (2024-04-26T17:47:14Z)
• Weakly Supervised Change Detection via Knowledge Distillation and Multiscale Sigmoid Inference [26.095501974608908]
  我々は知識蒸留とマルチスケールシグモイド推論(KD-MSI)による弱教師付き変化検出技術を開発した。 提案手法は,その統合学習戦略により,最先端技術よりも優れていた。
  論文  参考訳（メタデータ） (2024-03-09T05:01:51Z)
• BD-MSA: Body decouple VHR Remote Sensing Image Change Detection method guided by multi-scale feature information aggregation [4.659935767219465]
  リモートセンシング画像変化検出(RSCD)の目的は、同じ場所で撮影された両時間画像の違いを検出することである。 深層学習はRSCDタスクに広く使われており、結果認識の点で重要な結果をもたらしている。
  論文  参考訳（メタデータ） (2024-01-09T02:53:06Z)
• Change Detection Methods for Remote Sensing in the Last Decade: A Comprehensive Review [45.78958623050146]
  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。
  論文  参考訳（メタデータ） (2023-05-09T23:52:37Z)
• Dsfer-Net: A Deep Supervision and Feature Retrieval Network for Bitemporal Change Detection Using Modern Hopfield Networks [35.415260892693745]
  本稿では,バイテンポラル変化検出のためのDeep Supervision and feature Retrieval Network (Dsfer-Net)を提案する。 具体的には、バイテンポラル画像の高度に代表的な深い特徴を、完全に畳み込みされたシームズネットワークを通じて、共同で抽出する。 エンド・ツー・エンドのネットワークは,異なるレイヤから抽出した特徴と特徴のペアを集約することで,新たなフレームワークを確立する。
  論文  参考訳（メタデータ） (2023-04-03T16:01:03Z)
• Point-Level Region Contrast for Object Detection Pre-Training [147.47349344401806]
  本稿では,物体検出作業のための自己教師付き事前学習手法である点レベル領域コントラストを提案する。 提案手法は,異なる領域から個々の点対を直接抽出することにより,コントラスト学習を行う。 領域ごとの集約表現と比較すると,入力領域の品質の変化に対して,我々のアプローチはより堅牢である。
  論文  参考訳（メタデータ） (2022-02-09T18:56:41Z)
• Local Relation Learning for Face Forgery Detection [73.73130683091154]
  局所的関係学習による顔の偽造検出の新たな視点を提案する。 具体的には,局所的な特徴間の類似度を測定するMPSM(Multi-scale Patch similarity Module)を提案する。 また、より包括的な局所特徴表現のために、RGBおよび周波数領域の情報を融合するRGB-Frequency Attention Module (RFAM)を提案する。
  論文  参考訳（メタデータ） (2021-05-06T10:44:32Z)
• 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)

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。