論文の概要: End-to-end Hyperspectral Image Change Detection Network Based on Band Selection

• arxiv url: http://arxiv.org/abs/2307.12327v2
• Date: Thu, 16 Nov 2023 13:06:47 GMT
• ステータス: 処理完了
• システム内更新日: 2023-11-17 22:34:34.068403
• Title: End-to-end Hyperspectral Image Change Detection Network Based on Band Selection
• Title（参考訳）: 帯域選択に基づくエンドツーエンドハイパースペクトル画像変化検出ネットワーク
• Authors: Qingren Yao, Yuan Zhou, Chang Tang and Wei Xiang
• Abstract要約: 帯域選択(ECDBS)を用いた終端から終端までのハイパースペクトル画像変化検出ネットワークを提案する。 ネットワークの主な構成要素は、深層学習に基づくバンド選択モジュールと、カスケードバンド固有の空間的注意ブロックである。 3つの広く利用されているHSI-CDデータセットを用いて実験を行い,提案手法の有効性と優位性を示した。
• 参考スコア（独自算出の注目度）: 22.7908026248101
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: For hyperspectral image change detection (HSI-CD), one key challenge is to reduce band redundancy, as only a few bands are crucial for change detection while other bands may be adverse to it. However, most existing HSI-CD methods directly extract change feature from full-dimensional HSIs, suffering from a degradation of feature discrimination. To address this issue, we propose an end-to-end hyperspectral image change detection network with band selection (ECDBS), which effectively retains the critical bands to promote change detection. The main ingredients of the network are a deep learning based band selection module and cascading band-specific spatial attention (BSA) blocks. The band selection module can be seamlessly integrated with subsequent CD models for joint optimization and end-to-end reasoning, rather than as a step separate from change detection. The BSA block extracts features from each band using a tailored strategy. Unlike the typically used feature extraction strategy that uniformly processes all bands, the BSA blocks considers the differences in feature distributions among widely spaced bands, thereupon extracting more sufficient change feature. Experimental evaluations conducted on three widely used HSI-CD datasets demonstrate the effectiveness and superiority of our proposed method over other state-of-the-art techniques.
• Abstract（参考訳）: ハイパースペクトル画像変化検出(HSI-CD)では、いくつかのバンドだけが変化検出に不可欠であり、他のバンドが悪影響を及ぼす可能性があるため、バンドの冗長性を低減することが課題である。 しかし,既存のHSI-CD法のほとんどは,特徴識別の劣化に悩まされているフル次元HSIから変化特徴を直接抽出する。 この問題に対処するために,帯域選択(ECDBS)を用いた終端から終端までのハイパースペクトル画像変化検出ネットワークを提案する。 ネットワークの主な構成要素は、深層学習に基づくバンド選択モジュールとカスケードバンド固有の空間的注意(BSA)ブロックである。 バンド選択モジュールは、変更検出から分離したステップとしてではなく、後続のCDモデルとシームレスに統合して、共同最適化とエンドツーエンド推論を行うことができる。 BSAブロックは、調整された戦略を用いて各バンドから特徴を抽出する。 すべての帯域を均一に処理する典型的な特徴抽出戦略とは異なり、BSAブロックは広帯域間の特徴分布の違いを考慮し、より十分な変化特徴を抽出する。 3種類のhsi-cdデータセットを用いた実験により,提案手法の有効性と優位性が実証された。

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。