Fugu-MT 論文翻訳(概要): ES2Net: An Efficient Spectral-Spatial Network for Hyperspectral Image Change Detection

論文の概要: ES2Net: An Efficient Spectral-Spatial Network for Hyperspectral Image Change Detection

arxiv url: http://arxiv.org/abs/2307.12327v1
Date: Sun, 23 Jul 2023 13:50:41 GMT
ステータス: 処理完了
システム内更新日: 2023-07-25 16:40:56.018824
Title: ES2Net: An Efficient Spectral-Spatial Network for Hyperspectral Image Change Detection
Title（参考訳）: ES2Net:ハイパースペクトル画像変化検出のための効率的なスペクトル空間ネットワーク
Authors: Qingren Yao, Yuan Zhou, and Wei Xiang
Abstract要約: 本稿では,これらの問題に対処するためのスペクトル空間変化検出ネットワーク(ES2Net)を提案する。具体的には,CDに習熟したバンドを自動選択する学習可能なバンド選択モジュールを考案した。特徴抽出ネットワークと共同で最適化し、バンド間の複雑な非線形関係を捉えることができる。
参考スコア（独自算出の注目度）: 12.43772756575017
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Hyperspectral image change detection (HSI-CD) aims to identify the differences in bitemporal HSIs. To mitigate spectral redundancy and improve the discriminativeness of changing features, some methods introduced band selection technology to select bands conducive for CD. However, these methods are limited by the inability to end-to-end training with the deep learning-based feature extractor and lack considering the complex nonlinear relationship among bands. In this paper, we propose an end-to-end efficient spectral-spatial change detection network (ES2Net) to address these issues. Specifically, we devised a learnable band selection module to automatically select bands conducive to CD. It can be jointly optimized with a feature extraction network and capture the complex nonlinear relationships among bands. Moreover, considering the large spatial feature distribution differences among different bands, we design the cluster-wise spatial attention mechanism that assigns a spatial attention factor to each individual band to individually improve the feature discriminativeness for each band. Experiments on three widely used HSI-CD datasets demonstrate the effectiveness and superiority of this method compared with other state-of-the-art methods.
Abstract（参考訳）: ハイパースペクトル画像変化検出(HSI-CD)は,両眼的HSIの違いを特定することを目的としている。スペクトルの冗長性を緩和し,特徴変化の識別性を向上するため,CDの帯域選択に帯域選択技術を導入した手法もある。しかし、これらの手法は、深層学習に基づく特徴抽出器によるエンドツーエンドの訓練ができないことと、バンド間の複雑な非線形関係を考慮していないことによる制限がある。本稿では,これらの問題に対処するためのスペクトル空間変化検出ネットワーク(ES2Net)を提案する。具体的には,CDに習熟したバンドを自動選択する学習可能なバンド選択モジュールを考案した。特徴抽出ネットワークと共同で最適化し、バンド間の複雑な非線形関係を捉えることができる。さらに,異なる帯域間の空間的特徴分布の相違を考慮し,各バンドに空間的注意因子を割り当てるクラスタ単位の空間的注意機構を設計し,各バンドの特徴識別性を個別に改善する。 3つの広く使われているHSI-CDデータセットの実験は、他の最先端手法と比較して、この手法の有効性と優位性を示している。

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)
Unsupervised Band Selection Using Fused HSI and LiDAR Attention Integrating With Autoencoder [16.742768644585684]
ハイパースペクトルイメージング(HSI)における帯域選択は,データ処理の最適化と解析精度の向上に重要である。従来のアプローチは、個々のバンド内のスペクトル特性と画素特性を独立して分析することに集中してきた。本稿では、アテンション機構と、再構成に基づくバンド選択のためのオートエンコーダを組み込んだ、新しい教師なしバンド選択フレームワークを提案する。
論文参考訳（メタデータ） (2024-04-08T07:47:28Z)
Dropout Concrete Autoencoder for Band Selection on HSI Scenes [17.318853428846847]
本研究では,ハイパースペクトル画像上の情報帯域選択のための新しいエンドツーエンドネットワークを提案する。提案するネットワークは,コンクリートオートエンコーダ(CAE)とドロップアウト機能ランキング戦略の進歩にインスパイアされている。 4つのHSIシーンにおける実験結果から,提案したドロップアウトCAEは実効性および実効性を示すことが示された。
論文参考訳（メタデータ） (2024-01-29T19:53:17Z)
Embedded Hyperspectral Band Selection with Adaptive Optimization for Image Semantic Segmentation [0.0]
組込みソリューションを提供するハイパースペクトル帯選択のための先駆的アプローチを導入する。提案手法は, 先行処理を必要とせず, 最適帯域の選択に優れる埋込みハイパースペクトル帯域選択(EHBS)である。他のタスクへの我々のアプローチの適応性は、より広範なアプリケーションへの有望な道を開く。
論文参考訳（メタデータ） (2024-01-21T07:48:39Z)
Frequency Domain Modality-invariant Feature Learning for Visible-infrared Person Re-Identification [79.9402521412239]
本稿では、周波数領域から見たモダリティの相違を低減するために、新しい周波数領域モダリティ不変特徴学習フレームワーク(FDMNet)を提案する。我々のフレームワークでは、インスタンス適応振幅フィルタ(IAF)とPhrase-Preserving Normalization(PPNorm)という、2つの新しいモジュールを導入している。
論文参考訳（メタデータ） (2024-01-03T17:11:27Z)
One-shot neural band selection for spectral recovery [15.565913045545066]
スペクトル回復のための新しいワンショットニューラルバンド選択(NBS)フレームワークを提案する。我々のNBSは、帯域選択過程の連続的な緩和に基づいており、勾配勾配を用いた効率的な帯域探索を可能にする。私たちのコードは公開されます。
論文参考訳（メタデータ） (2023-05-16T07:34:03Z)
ADPS: Asymmetric Distillation Post-Segmentation for Image Anomaly Detection [75.68023968735523]
知識蒸留に基づく異常検出 (KDAD) 法は, 異常領域を検出し, セグメント化するために, 教師学生のパラダイムに頼っている。非対称蒸留ポストセグメンテーション(ADPS)と呼ばれる革新的なアプローチを提案する。我々のADPSは、教師-学生ネットワークの入力と同じイメージの異なる形態の非対称蒸留パラダイムを採用している。 ADPSは,MVTec ADとKolektorSDD2データセットで平均精度(AP)を9%,20%向上させることを示した。
論文参考訳（メタデータ） (2022-10-19T12:04:47Z)
Coarse-to-Fine Sparse Transformer for Hyperspectral Image Reconstruction [138.04956118993934]
本稿では, サース・トゥ・ファインス・スパース・トランス (CST) を用いた新しいトランス方式を提案する。 HSI再構成のための深層学習にHSI空間を埋め込んだCST 特に,CSTは,提案したスペクトル認識スクリーニング機構(SASM)を粗いパッチ選択に使用し,選択したパッチを,細かなピクセルクラスタリングと自己相似性キャプチャのために,カスタマイズしたスペクトル集約ハッシュ型マルチヘッド自己アテンション(SAH-MSA)に入力する。
論文参考訳（メタデータ） (2022-03-09T16:17:47Z)
Hyperspectral Band Selection for Multispectral Image Classification with Convolutional Networks [0.0]
ハイパースペクトル画像から波長の減少したセットを選択するための新しいバンド選択法を提案する。本手法により,マルチスペクトルセンサの設計に適した結果が得られることを示す。
論文参考訳（メタデータ） (2021-06-01T17:24:35Z)
Dual-Cross Central Difference Network for Face Anti-Spoofing [54.81222020394219]
対面防止(FAS)は、顔認識システムを保護する上で重要な役割を担っている。中央差分畳み込み(CDC)は、FASタスクの優れた表現能力を示しています。中心と周囲の局所的な特徴の差を利用した2つのC-CDC(Cross Central difference Convolutions)を提案する。
論文参考訳（メタデータ） (2021-05-04T05:11:47Z)
RGB-D Salient Object Detection with Cross-Modality Modulation and Selection [126.4462739820643]
本稿では, RGB-D Salient Object Detection (SOD) において, モジュール間相補性を段階的に統合し, 改良する有効な方法を提案する。提案するネットワークは,1)RGB画像とそれに対応する深度マップからの補完情報を効果的に統合する方法,および2)より精度の高い特徴を適応的に選択する方法の2つの課題を主に解決する。
論文参考訳（メタデータ） (2020-07-14T14:22:50Z)

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。