論文の概要: A Novel Multi-scale Attention Feature Extraction Block for Aerial Remote Sensing Image Classification

• arxiv url: http://arxiv.org/abs/2308.14076v1
• Date: Sun, 27 Aug 2023 11:49:46 GMT
• ステータス: 処理完了
• システム内更新日: 2023-08-29 17:04:24.704978
• Title: A Novel Multi-scale Attention Feature Extraction Block for Aerial Remote Sensing Image Classification
• Title（参考訳）: 空中リモートセンシング画像分類のための新しい多スケール注意特徴抽出ブロック
• Authors: Chiranjibi Sitaula, Jagannath Aryal and Avik Bhattacharya
• Abstract要約: スキップ接続を伴う2段階のマルチスケール畳み込みに基づくマルチスケールアテンション特徴抽出ブロック(MSAFEB)を提案する。 2つのベンチマークVHR空中RS画像データセット(AIDとNWPU)に関する実験的研究により、提案手法は安定かつ一貫性のある性能(0.002$の最小標準偏差)と有能な総合分類性能(AID:95.85%、NWPU:94.09%)を達成することを示した。
• 参考スコア（独自算出の注目度）: 9.388978548253755
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Classification of very high-resolution (VHR) aerial remote sensing (RS) images is a well-established research area in the remote sensing community as it provides valuable spatial information for decision-making. Existing works on VHR aerial RS image classification produce an excellent classification performance; nevertheless, they have a limited capability to well-represent VHR RS images having complex and small objects, thereby leading to performance instability. As such, we propose a novel plug-and-play multi-scale attention feature extraction block (MSAFEB) based on multi-scale convolution at two levels with skip connection, producing discriminative/salient information at a deeper/finer level. The experimental study on two benchmark VHR aerial RS image datasets (AID and NWPU) demonstrates that our proposal achieves a stable/consistent performance (minimum standard deviation of $0.002$) and competent overall classification performance (AID: 95.85\% and NWPU: 94.09\%).
• Abstract（参考訳）: 超高分解能リモートセンシング(VHR)画像の分類は、意思決定に有用な空間情報を提供するため、リモートセンシングコミュニティにおいて確立された研究領域である。 VHR空中RS画像分類に関する既存の研究は優れた分類性能をもたらすが、複雑なオブジェクトと小さなオブジェクトを持つVHR空中RS画像の表現能力に制限があるため、性能が不安定になる。 そこで本稿では,スキップ接続を伴う2段階のマルチスケール・コンボリューションに基づくマルチスケール・アテンション特徴抽出ブロック(MSAFEB)を提案する。 2つのベンチマークVHR空中RS画像データセット(AIDとNWPU)を実験的に検討した結果,提案手法は安定かつ一貫性のある性能(0.002$の最小標準偏差)と有能な総合分類性能(AID:95.85\%およびNWPU:94.09\%)を達成することが示された。

関連論文リスト

• FE-UNet: Frequency Domain Enhanced U-Net with Segment Anything Capability for Versatile Image Segmentation [50.9040167152168]
  CNNのコントラスト感度関数を実験的に定量化し,人間の視覚システムと比較した。 本稿ではウェーブレット誘導分光ポーリングモジュール(WSPM)を提案する。 人間の視覚系をさらにエミュレートするために、周波数領域拡張受容野ブロック(FE-RFB)を導入する。 本研究では,SAM2 をバックボーンとし,Hiera-Large を事前学習ブロックとして組み込んだ FE-UNet を開発した。
  論文  参考訳（メタデータ） (2025-02-06T07:24:34Z)
• Semi-supervised Semantic Segmentation for Remote Sensing Images via Multi-scale Uncertainty Consistency and Cross-Teacher-Student Attention [59.19580789952102]
  本稿では,RS画像セマンティックセグメンテーションタスクのための,新しい半教師付きマルチスケール不確かさとクロスTeacher-Student Attention(MUCA)モデルを提案する。 MUCAは、マルチスケールの不確実性整合正則化を導入することにより、ネットワークの異なる層における特徴写像間の整合性を制限する。 MUCAは学生ネットワークの誘導にクロス教師・学生の注意機構を使用し、学生ネットワークにより差別的な特徴表現を構築するよう誘導する。
  論文  参考訳（メタデータ） (2025-01-18T11:57:20Z)
• An Advanced Features Extraction Module for Remote Sensing Image Super-Resolution [0.5461938536945723]
  チャネル・アンド・スペースアテンション特徴抽出(CSA-FE)と呼ばれる高度な特徴抽出モジュールを提案する。 提案手法は,高頻度情報を含む特定のチャネルや空間的位置に着目し,関連する特徴に焦点を合わせ,無関係な特徴を抑えるのに役立つ。 本モデルは,既存モデルと比較して優れた性能を示した。
  論文  参考訳（メタデータ） (2024-05-07T18:15:51Z)
• Enhanced Multi-level Features for Very High Resolution Remote Sensing Scene Classification [1.4502611532302039]
  2つの広く利用されているVHR RSデータセットによる実験結果から,提案手法は最小標準偏差0.001で,競争性と安定性,ロバストな分類性能が得られることが示された。 AID と NWPU のデータセットでは、それぞれ95.39% と 93.04% である。
  論文  参考訳（メタデータ） (2023-05-01T06:21:35Z)
• Contextual Learning in Fourier Complex Field for VHR Remote Sensing Images [64.84260544255477]
  変圧器を用いたモデルでは、一般解像度(224x224ピクセル)の自然画像から高次文脈関係を学習する優れた可能性を示した そこで本研究では,高次文脈情報のモデル化を行う複雑な自己意識(CSA)機構を提案する。 CSAブロックの様々な層を積み重ねることで、VHR空中画像からグローバルな文脈情報を学習するFourier Complex Transformer(FCT)モデルを提案する。
  論文  参考訳（メタデータ） (2022-10-28T08:13:33Z)
• Supervised classification methods applied to airborne hyperspectral images: Comparative study using mutual information [0.0]
  本稿では,SVM,Random Forest RF,K-Nearest Neighbors KNN,Linear Discriminant Analysis LDAの4つの教師付き学習アルゴリズムの性能について検討する。 実験は、NASAの空中可視/赤外線イメージング分光計センサーAVIRISと反射光学系イメージング分光計ROSISセンサーから得られた3つの実際のハイパースペクトルデータセットで実施された。
  論文  参考訳（メタデータ） (2022-10-27T13:39:08Z)
• High-resolution Depth Maps Imaging via Attention-based Hierarchical Multi-modal Fusion [84.24973877109181]
  誘導DSRのための新しい注意に基づく階層型マルチモーダル融合ネットワークを提案する。 本手法は,再現精度,動作速度,メモリ効率の点で最先端手法よりも優れていることを示す。
  論文  参考訳（メタデータ） (2021-04-04T03:28:33Z)
• Lightweight Single-Image Super-Resolution Network with Attentive Auxiliary Feature Learning [73.75457731689858]
  本稿では,SISR の注意補助機能 (A$2$F) に基づく計算効率が高く正確なネットワークを構築した。 大規模データセットを用いた実験結果から,提案手法の有効性が示された。
  論文  参考訳（メタデータ） (2020-11-13T06:01:46Z)
• PolSAR Image Classification Based on Robust Low-Rank Feature Extraction and Markov Random Field [44.59934840513234]
  我々は、低ランク(LR)特徴抽出によるスペックルノイズを除去し、マルコフランダムフィールド(MRF)によるスムーズさを強制する新しいPolSAR画像分類法を提案する。 実験結果から,提案手法は有望な分類性能と良好な空間整合性を実現することが示唆された。
  論文  参考訳（メタデータ） (2020-09-13T07:38:12Z)
• Anchor-free Small-scale Multispectral Pedestrian Detection [88.7497134369344]
  適応型単一段アンカーフリーベースアーキテクチャにおける2つのモードの効果的かつ効率的な多重スペクトル融合法を提案する。 我々は,直接的境界ボックス予測ではなく,対象の中心と規模に基づく歩行者表現の学習を目指す。 その結果,小型歩行者の検出における本手法の有効性が示唆された。
  論文  参考訳（メタデータ） (2020-08-19T13:13:01Z)

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。