論文の概要: End-to-end Remote Sensing Change Detection of Unregistered Bi-temporal
Images for Natural Disasters
- arxiv url: http://arxiv.org/abs/2307.15128v1
- Date: Thu, 27 Jul 2023 18:04:45 GMT
- ステータス: 処理完了
- システム内更新日: 2023-07-31 14:43:13.854796
- Title: End-to-end Remote Sensing Change Detection of Unregistered Bi-temporal
Images for Natural Disasters
- Title（参考訳）: 自然災害用未登録バイテンポラル画像のエンドツーエンドリモートセンシング変化検出
- Authors: Guiqin Zhao, Lianlei Shan, Weiqiang Wang
- Abstract要約: 本研究の目的は,自然災害に特有な変化検出を行うことである。
変更検出研究に使用される既存の公開データセットが登録されていることを考慮し、未登録のエンドツーエンドの変更検出合成データセットを提案する。
本稿では,未登録のバイテンポラル画像ペアを入力として利用するE2ECDNetというエンドツーエンドの変更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）: 22.58110328955473
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Change detection based on remote sensing images has been a prominent area of
interest in the field of remote sensing. Deep networks have demonstrated
significant success in detecting changes in bi-temporal remote sensing images
and have found applications in various fields. Given the degradation of natural
environments and the frequent occurrence of natural disasters, accurately and
swiftly identifying damaged buildings in disaster-stricken areas through remote
sensing images holds immense significance. This paper aims to investigate
change detection specifically for natural disasters. Considering that existing
public datasets used in change detection research are registered, which does
not align with the practical scenario where bi-temporal images are not matched,
this paper introduces an unregistered end-to-end change detection synthetic
dataset called xBD-E2ECD. Furthermore, we propose an end-to-end change
detection network named E2ECDNet, which takes an unregistered bi-temporal image
pair as input and simultaneously generates the flow field prediction result and
the change detection prediction result. It is worth noting that our E2ECDNet
also supports change detection for registered image pairs, as registration can
be seen as a special case of non-registration. Additionally, this paper
redefines the criteria for correctly predicting a positive case and introduces
neighborhood-based change detection evaluation metrics. The experimental
results have demonstrated significant improvements.
- Abstract（参考訳）: リモートセンシング画像に基づく変化検出は,リモートセンシングの分野で注目されている分野である。
深層ネットワークは,双方向リモートセンシング画像の変化の検出に有意な成功を収め,様々な分野で応用されている。
自然環境の悪化と自然災害の頻発を考慮し, リモートセンシング画像による災害現場の被害建物を的確かつ迅速に同定することが重要である。
本稿では,自然災害に特有な変化検出について検討する。
両時間画像が一致しない現実的なシナリオと一致しない変更検出研究に使用される既存の公開データセットが登録されていることを考慮し、xBD-E2ECDと呼ばれる未登録のエンドツーエンドの変更検出合成データセットを提案する。
さらに、未登録のバイテンポラル画像ペアを入力として、フローフィールド予測結果と変更検出予測結果とを同時に生成するE2ECDNetというエンドツーエンドの変更検出ネットワークを提案する。
e2ecdnetは、登録されていない特別なケースとして、登録された画像ペアの変更検出もサポートしています。
さらに, 前向きなケースを正しく予測する基準を再定義し, 周辺地域による変化検出評価指標を導入する。
実験結果は有意な改善を示した。
関連論文リスト
- 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) - Threatening Patch Attacks on Object Detection in Optical Remote Sensing
Images [55.09446477517365]
自然画像における物体検出における高度なパッチアタック(PA)は、ディープニューラルネットワークに基づく手法における大きな安全性の脆弱性を指摘した。
我々は,TPAと呼ばれる視覚的品質の低下を伴わない,より危険度の高いPAを提案する。
我々の知る限りでは、これがO-RSIにおけるオブジェクト検出におけるPAの研究の最初の試みであり、この研究が読者にこのトピックの研究に興味を持たせることを願っている。
論文 参考訳（メタデータ） (2023-02-13T02:35:49Z) - 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 Change
Detection in Remote Sensing Images [60.89777029184023]
教師付きクロスエントロピー(CE)損失に加えて、教師なしCD損失を定式化する半教師付きCDモデルを提案する。
2つの公開CDデータセットを用いて実験を行った結果,提案手法は教師付きCDの性能に近づきやすいことがわかった。
論文 参考訳（メタデータ） (2022-04-18T17:59:01Z) - Bayesian Autoencoders for Drift Detection in Industrial Environments [69.93875748095574]
オートエンコーダは、マルチセンサー環境で異常を検出するために使用される教師なしモデルである。
異常は、実際の環境の変化(実際のドリフト)や、故障した感覚デバイス(仮想ドリフト)から生じる。
論文 参考訳（メタデータ） (2021-07-28T10:19:58Z) - Bandit Quickest Changepoint Detection [55.855465482260165]
すべてのセンサの継続的な監視は、リソースの制約のためにコストがかかる可能性がある。
有限パラメータ化確率分布の一般クラスに対する検出遅延に基づく情報理論の下界を導出する。
本稿では,異なる検知オプションの探索と質問行動の活用をシームレスに両立させる,計算効率のよいオンラインセンシング手法を提案する。
論文 参考訳（メタデータ） (2021-07-22T07:25:35Z) - Self-supervised Multisensor Change Detection [14.191073951237772]
両時間衛星画像における自己教師付き変化検出の文脈におけるマルチセンサ分析を再考する。
近年の自己教師あり学習手法の進歩は、その一部が少数の画像で機能することさえ示している。
そこで本研究では,非ラベル対象の二時間画像のみを用いたマルチセンサ変化検出手法を提案する。
論文 参考訳（メタデータ） (2021-02-12T12:31:10Z) - D-Unet: A Dual-encoder U-Net for Image Splicing Forgery Detection and
Localization [108.8592577019391]
画像スプライシング偽造検出は、画像指紋によって改ざんされた領域と非改ざんされた領域を区別するグローバルバイナリ分類タスクである。
画像スプライシングフォージェリ検出のためのデュアルエンコーダU-Net(D-Unet)という,固定されていないエンコーダと固定エンコーダを用いた新しいネットワークを提案する。
D-Unetと最先端技術の比較実験において、D-Unetは画像レベルおよび画素レベルの検出において他の手法よりも優れていた。
論文 参考訳（メタデータ） (2020-12-03T10:54:02Z) - DASNet: Dual attentive fully convolutional siamese networks for change
detection of high resolution satellite images [17.839181739760676]
研究の目的は、関心の変化情報を識別し、無関係な変更情報を干渉要因としてフィルタリングすることである。
近年、ディープラーニングの台頭により、変化検出のための新しいツールが提供され、目覚ましい結果が得られた。
我々は,高解像度画像における変化検出のための新しい手法,すなわち,二重注意型完全畳み込みシームズネットワーク(DASNet)を提案する。
論文 参考訳（メタデータ） (2020-03-07T16:57:10Z) - Real-Time Detectors for Digital and Physical Adversarial Inputs to
Perception Systems [11.752184033538636]
ディープニューラルネットワーク(DNN)モデルは、敵のデジタルおよび物理的攻撃に対して脆弱であることが証明されている。
そこで本研究では,DNNに基づく認識システムに対する敵対的入力の両タイプに対して,新たな攻撃・データセット非依存・リアルタイム検出手法を提案する。
特に、提案した検出器は、逆画像が特定のラベル不変変換に敏感であるという観察に依存している。
論文 参考訳（メタデータ） (2020-02-23T00:03:57Z)
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。