論文の概要: DAM-Net: Global Flood Detection from SAR Imagery Using Differential
Attention Metric-Based Vision Transformers
- arxiv url: http://arxiv.org/abs/2306.00704v1
- Date: Thu, 1 Jun 2023 14:12:33 GMT
- ステータス: 処理完了
- システム内更新日: 2023-06-02 15:46:05.377448
- Title: DAM-Net: Global Flood Detection from SAR Imagery Using Differential
Attention Metric-Based Vision Transformers
- Title（参考訳）: DAM-Net:差分注意量に基づく視覚変換器を用いたSAR画像からのグローバル洪水検出
- Authors: Tamer Saleh, Xingxing Weng, Shimaa Holail, Chen Hao and Gui-Song Xia
- Abstract要約: 高分解能合成開口レーダ(SAR)画像を用いた浸水領域の検出は危機管理や災害管理における重要な課題である。
そこで本研究では,新しいディファレンシャル・アテンション・メトリック・ベース・ネットワーク(DAM-Net)を提案する。
DAM-Netは、多時間画像のマルチスケールな変化特徴を得るためのウェイトシェアリングシームスバックボーンと、水体変化の高レベルな意味情報を含むトークンの2つのキーコンポーネントから構成される。
- 参考スコア（独自算出の注目度）: 22.885444177106873
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: The detection of flooded areas using high-resolution synthetic aperture radar
(SAR) imagery is a critical task with applications in crisis and disaster
management, as well as environmental resource planning. However, the complex
nature of SAR images presents a challenge that often leads to an overestimation
of the flood extent. To address this issue, we propose a novel differential
attention metric-based network (DAM-Net) in this study. The DAM-Net comprises
two key components: a weight-sharing Siamese backbone to obtain multi-scale
change features of multi-temporal images and tokens containing high-level
semantic information of water-body changes, and a temporal differential fusion
(TDF) module that integrates semantic tokens and change features to generate
flood maps with reduced speckle noise. Specifically, the backbone is split into
multiple stages. In each stage, we design three modules, namely, temporal-wise
feature extraction (TWFE), cross-temporal change attention (CTCA), and
temporal-aware change enhancement (TACE), to effectively extract the change
features. In TACE of the last stage, we introduce a class token to record
high-level semantic information of water-body changes via the attention
mechanism. Another challenge faced by data-driven deep learning algorithms is
the limited availability of flood detection datasets. To overcome this, we have
created the S1GFloods open-source dataset, a global-scale high-resolution
Sentinel-1 SAR image pairs dataset covering 46 global flood events between 2015
and 2022. The experiments on the S1GFloods dataset using the proposed DAM-Net
showed top results compared to state-of-the-art methods in terms of overall
accuracy, F1-score, and IoU, which reached 97.8%, 96.5%, and 93.2%,
respectively. Our dataset and code will be available online at
https://github.com/Tamer-Saleh/S1GFlood-Detection.
- Abstract（参考訳）: 高分解能合成開口レーダ(sar)画像を用いた浸水地域の検出は,危機・災害管理や環境資源計画の応用において重要な課題である。
しかし、SAR画像の複雑な性質は、しばしば洪水範囲の過大評価につながる課題を示す。
この問題に対処するため,本研究では差分注意メトリックベースネットワーク (dam-net) を提案する。
DAM-Netは、多面体変化の高レベルな意味情報を含むマルチテンポラル画像とトークンのマルチスケールな変化特徴を得るためのウェイトシェアリングシームスバックボーンと、セマンティックトークンと変更特徴を統合してスペックルノイズを低減したフラッドマップを生成するテンポラルディファレンシャルフュージョン(TDF)モジュールである。
特に、背骨は複数の段階に分けられる。
各段階では,twfe(temporal-wise feature extraction),ctca(cross-temporal change attention),tace(temporal-aware change enhancement)という3つのモジュールをデザインし,変更特徴を効果的に抽出する。
最終段階のTACEでは,注目機構を介して水面変化の高レベルな意味情報を記録するためのクラストークンを導入する。
データ駆動ディープラーニングアルゴリズムが直面するもうひとつの課題は、洪水検出データセットの可用性の制限だ。
s1gfloodsオープンソースデータセットは、2015年から2022年にかけての46の世界的な洪水イベントをカバーする、グローバルな高解像度センチネル-1 sarイメージペアデータセットである。
提案したDAM-Netを用いたS1GFloodsデータセットの実験では、全体の精度が97.8%、96.5%、93.2%に達したF1スコア、IoUといった最先端の手法と比較された。
データセットとコードはhttps://github.com/Tamer-Saleh/S1GFlood-Detection.comで公開されます。
関連論文リスト
- Wavelet-based Bi-dimensional Aggregation Network for SAR Image Change Detection [53.842568573251214]
3つのSARデータセットによる実験結果から、我々のWBANetは現代最先端の手法を著しく上回っていることが明らかとなった。
我々のWBANetは、それぞれのデータセットで98.33%、96.65%、96.62%の正確な分類(PCC)を達成している。
論文 参考訳（メタデータ） (2024-07-18T04:36:10Z) - SOOD++: Leveraging Unlabeled Data to Boost Oriented Object Detection [59.868772767818975]
本稿では,SOOD++ と呼ばれる簡易かつ効果的な半教師付きオブジェクト指向検出手法を提案する。
具体的には、空中画像からの物体は、通常任意の向き、小さなスケール、集約である。
様々なラベル付き環境下での多目的オブジェクトデータセットに対する大規模な実験により,本手法の有効性が示された。
論文 参考訳（メタデータ） (2024-07-01T07:03:51Z) - SARDet-100K: Towards Open-Source Benchmark and ToolKit for Large-Scale
SAR Object Detection [83.21028626585986]
我々は,大規模SARオブジェクト検出のための新しいベンチマークデータセットとオープンソース手法を構築した。
私たちのデータセットであるSARDet-100Kは、10の既存のSAR検出データセットの厳格な調査、収集、標準化の結果です。
私たちの知る限りでは、SARDet-100KはCOCOレベルの大規模マルチクラスSARオブジェクト検出データセットとしては初めてのものです。
論文 参考訳（メタデータ） (2024-03-11T09:20:40Z) - AMANet: Advancing SAR Ship Detection with Adaptive Multi-Hierarchical
Attention Network [0.5437298646956507]
適応型多階層型アテンションモジュール (AMAM) を提案する。
まず,隣り合う特徴層からの情報を融合して,より小さなターゲットの検出を強化し,マルチスケールな特徴強調を実現する。
第3に,AMAMをバックボーンネットワークと特徴ピラミッドネットワークに埋め込むことにより,適応型多階層アテンションネットワーク(AMANet)を提案する。
論文 参考訳（メタデータ） (2024-01-24T03:56:33Z) - DiAD: A Diffusion-based Framework for Multi-class Anomaly Detection [55.48770333927732]
本稿では,拡散型異常検出(Difusion-based Anomaly Detection, DAD)フレームワークを提案する。
画素空間オートエンコーダ、安定拡散の復調ネットワークに接続する潜在空間セマンティックガイド(SG)ネットワーク、特徴空間事前学習機能抽出器から構成される。
MVTec-ADとVisAデータセットの実験は、我々のアプローチの有効性を実証している。
論文 参考訳（メタデータ） (2023-12-11T18:38:28Z) - Mutual Information-driven Triple Interaction Network for Efficient Image
Dehazing [54.168567276280505]
画像デハージングのための相互情報駆動型トリプルインタラクションネットワーク(MITNet)を提案する。
振幅誘導ヘイズ除去と呼ばれる第1段階は、ヘイズ除去のためのヘイズ画像の振幅スペクトルを復元することを目的としている。
第2段階は位相誘導構造が洗練され、位相スペクトルの変換と微細化を学ぶことに尽力した。
論文 参考訳（メタデータ） (2023-08-14T08:23:58Z) - Transforming Observations of Ocean Temperature with a Deep Convolutional
Residual Regressive Neural Network [0.0]
海面温度(SST)は、地上の真理、リモートセンシング、ハイブリッドモデル手法を通じて測定できる、必須の気候変動である。
ここでは,20世紀後半から21世紀初頭にかけてのいくつかの技術進歩を応用して,SST監視の進展を祝福する。
本研究では, AMSR-E と MODIS を高分解能に融合させるため, 既存の水循環観測フレームワークである Flux to Flow (F2F) を開発した。
我々のニューラルネットワークアーキテクチャは、深い畳み込み残留回帰ニューラルネットワークに制約されている。
論文 参考訳（メタデータ） (2023-06-16T17:35:11Z) - Attentive Dual Stream Siamese U-net for Flood Detection on
Multi-temporal Sentinel-1 Data [0.0]
両時間SARによる洪水検知ネットワークを提案する。
提案するセグメンテーションネットワークは,2つのシームズエンコーダを用いたエンコーダ・デコーダアーキテクチャを備え,プレフロッド画像とポストフロッド画像の符号化を行う。
このネットワークは、既存の最先端(一時期)の洪水検出手法を6%のIOUで上回った。
論文 参考訳（メタデータ） (2022-04-20T10:56:39Z) - Multi-Scale Hourglass Hierarchical Fusion Network for Single Image
Deraining [8.964751500091005]
雨のひもはサイズ、方向および密度で頻繁に変わる深刻なぼやけおよび視覚質の低下をもたらします。
現在のCNN方式は, 降雨特性の描写や, 可視性に乏しい環境下でのイメージの復元に限られている。
本稿では,マルチスケール抽出,階層蒸留,情報集約による雨天の特徴を正確に把握するために,マルチスケールのHH2F-Netを提案する。
論文 参考訳（メタデータ） (2021-04-25T08:27:01Z) - Dense Attention Fluid Network for Salient Object Detection in Optical
Remote Sensing Images [193.77450545067967]
光リモートセンシング画像(RSI)における有意物体検出のためのエンド・ツー・エンドDense Attention Fluid Network(DAFNet)を提案する。
GCA(Global Context-Aware Attention)モジュールは、長距離の意味的関係を適応的にキャプチャするために提案される。
我々は、2000枚の画像とピクセルワイドなサリエンシアノテーションを含むSODのための新しい、挑戦的な光学RSIデータセットを構築した。
論文 参考訳（メタデータ） (2020-11-26T06:14:10Z)
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。