論文の概要: SAAN: Similarity-aware attention flow network for change detection with
VHR remote sensing images
- arxiv url: http://arxiv.org/abs/2308.14570v1
- Date: Mon, 28 Aug 2023 13:35:07 GMT
- ステータス: 処理完了
- システム内更新日: 2023-08-29 13:55:52.533443
- Title: SAAN: Similarity-aware attention flow network for change detection with
VHR remote sensing images
- Title(参考訳): SAAN:VHRリモートセンシング画像による変化検出のための類似認識型注意フローネットワーク
- Authors: Haonan Guo, Xin Su, Chen Wu, Bo Du, Liangpei Zhang
- Abstract要約: 変化検出(CD)は、地球観測領域における陸面のダイナミクスを監視するための基本的かつ重要な課題である。
これらのCD法は通常、重み共有のシームズエンコーダネットワークを用いてバイテンポラル画像の特徴を抽出し、デコーダネットワークを用いて変化領域を同定する。
そこで我々は,効果的な変化検出を実現するために,新たな類似性認識型注意フローネットワーク(SAAN)を提案する。
- 参考スコア(独自算出の注目度): 41.27207121222832
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Change detection (CD) is a fundamental and important task for monitoring the
land surface dynamics in the earth observation field. Existing deep
learning-based CD methods typically extract bi-temporal image features using a
weight-sharing Siamese encoder network and identify change regions using a
decoder network. These CD methods, however, still perform far from
satisfactorily as we observe that 1) deep encoder layers focus on irrelevant
background regions and 2) the models' confidence in the change regions is
inconsistent at different decoder stages. The first problem is because deep
encoder layers cannot effectively learn from imbalanced change categories using
the sole output supervision, while the second problem is attributed to the lack
of explicit semantic consistency preservation. To address these issues, we
design a novel similarity-aware attention flow network (SAAN). SAAN
incorporates a similarity-guided attention flow module with deeply supervised
similarity optimization to achieve effective change detection. Specifically, we
counter the first issue by explicitly guiding deep encoder layers to discover
semantic relations from bi-temporal input images using deeply supervised
similarity optimization. The extracted features are optimized to be
semantically similar in the unchanged regions and dissimilar in the changing
regions. The second drawback can be alleviated by the proposed
similarity-guided attention flow module, which incorporates similarity-guided
attention modules and attention flow mechanisms to guide the model to focus on
discriminative channels and regions. We evaluated the effectiveness and
generalization ability of the proposed method by conducting experiments on a
wide range of CD tasks. The experimental results demonstrate that our method
achieves excellent performance on several CD tasks, with discriminative
features and semantic consistency preserved.
- Abstract(参考訳): 変化検出(CD)は、地球観測領域における陸面のダイナミクスを監視するための基本的かつ重要な課題である。
既存のディープラーニングベースのcd手法では、重み共有シアームエンコーダネットワークを用いてバイタイム画像の特徴を抽出し、デコーダネットワークを用いて変化領域を識別する。
しかし、これらのCD手法は、我々が観察する限り、まだ十分に機能していない。
1)ディープエンコーダ層は無関係な背景領域に焦点を当てる
2)変化領域に対するモデルの信頼性は,異なるデコーダの段階で矛盾する。
第1の問題は、深いエンコーダ層が単独の出力管理を用いて、不均衡な変更カテゴリから効果的に学習できないことであり、第2の問題は、明示的なセマンティックな一貫性の維持が欠如していることに起因する。
これらの問題に対処するため、我々は新しい類似性認識型注意フローネットワーク(SAAN)を設計する。
SAANは、効果的な変更検出を実現するために、深い教師付き類似性最適化を備えた類似性誘導型注目フローモジュールを組み込んでいる。
具体的には、ディープエンコーダ層を明示的に誘導し、深い教師付き類似性最適化を用いてバイテンポラル入力画像から意味関係を発見することで、最初の問題に対処する。
抽出された特徴は、変化する領域で意味的に類似し、変化する領域で類似するように最適化される。
第2の欠点は、類似性誘導型注意フローモジュールの提案と、類似性誘導型注意フローモジュールと、モデルが識別チャネルや領域に集中するように誘導する注意フロー機構を組み込んだものである。
提案手法の有効性と一般化について,cdタスクの多岐にわたる実験により評価した。
実験の結果,いくつかのcdタスクにおいて,識別的特徴と意味的一貫性を保った優れた性能が得られることがわかった。
関連論文リスト
- ChangeBind: A Hybrid Change Encoder for Remote Sensing Change Detection [16.62779899494721]
変化検出(CD)は、異なる時刻スタンプで同じ地理的領域間の意味的変化を検出することを目的とした、リモートセンシング(RS)の基本課題である。
本稿では,バイテンポラルRS画像における意味変化をエンコードする,効果的なSiameseベースのフレームワークを提案する。
論文 参考訳(メタデータ) (2024-04-26T17:47:14Z) - HANet: A Hierarchical Attention Network for Change Detection With Bitemporal Very-High-Resolution Remote Sensing Images [6.890268321645873]
本研究では,変化情報の追加を含まないことに基づく,段階的前景バランスサンプリング戦略を提案する。
この戦略は、初期のトレーニングプロセス中に変更したピクセルの特徴を正確に学習するのに役立つ。
また,階層型注意ネットワーク(HANet)を設計し,マルチスケール機能の統合と詳細機能の改良を図る。
論文 参考訳(メタデータ) (2024-04-14T08:01:27Z) - Object Segmentation by Mining Cross-Modal Semantics [68.88086621181628]
マルチモーダル特徴の融合と復号を導くために,クロスモーダル・セマンティックスをマイニングする手法を提案する。
具体的には,(1)全周減衰核融合(AF),(2)粗大デコーダ(CFD),(3)多層自己超越からなる新しいネットワークXMSNetを提案する。
論文 参考訳(メタデータ) (2023-05-17T14:30:11Z) - IDAN: Image Difference Attention Network for Change Detection [3.5366052026723547]
リモートセンシング画像変化検出のための新しい画像差分注意ネットワーク(IDAN)を提案する。
IDANは、画像の地域的特徴とエッジ的特徴の違いを考慮し、抽出した画像特徴を最適化する。
実験の結果、IDANのF1スコアは、WHUデータセットとLEVIR-CDデータセットのベースラインモデルと比較して1.62%と1.98%改善していることが示された。
論文 参考訳(メタデータ) (2022-08-17T13:46:13Z) - 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) - Learnable Multi-level Frequency Decomposition and Hierarchical Attention
Mechanism for Generalized Face Presentation Attack Detection [7.324459578044212]
顔提示攻撃検知(PAD)は多くの注目を集めており、顔認識システムを保護する上で重要な役割を果たしている。
両ストリーム畳み込みニューラルネットワーク(CNN)フレームワークを提案する。
ステップワイドアブレーション研究において提案したPAD法の設計を実証した。
論文 参考訳(メタデータ) (2021-09-16T13:06:43Z) - Semantic Change Detection with Asymmetric Siamese Networks [71.28665116793138]
2つの空中画像が与えられた場合、セマンティックチェンジ検出は、土地被覆のバリエーションを特定し、それらの変化タイプをピクセルワイド境界で識別することを目的としている。
この問題は、正確な都市計画や天然資源管理など、多くの地球ビジョンに関連するタスクにおいて不可欠である。
本研究では, 広く異なる構造を持つモジュールから得られた特徴対を用いて意味変化を同定し, 同定するための非対称システマネットワーク(ASN)を提案する。
論文 参考訳(メタデータ) (2020-10-12T13:26:30Z) - Channel-wise Alignment for Adaptive Object Detection [66.76486843397267]
遺伝的物体検出は、ディープ畳み込みニューラルネットワークの開発によって大いに促進されている。
このタスクの既存の方法は、通常、画像全体や関心の対象に基づいて、ハイレベルなアライメントに注意を向ける。
本稿では,チャネルワイドアライメント(チャネルワイドアライメント)という,まったく異なる観点からの適応を実現する。
論文 参考訳(メタデータ) (2020-09-07T02:42:18Z) - Attentive WaveBlock: Complementarity-enhanced Mutual Networks for
Unsupervised Domain Adaptation in Person Re-identification and Beyond [97.25179345878443]
本稿では,新しい軽量モジュールであるAttentive WaveBlock (AWB)を提案する。
AWBは相互学習の二重ネットワークに統合され、相互学習の相補性を高め、擬似ラベルのノイズをさらに抑えることができる。
実験により, 提案手法は, 複数のUDA人物再識別タスクを大幅に改善し, 最先端の性能を達成できることが実証された。
論文 参考訳(メタデータ) (2020-06-11T15:40:40Z) - Unsupervised Bidirectional Cross-Modality Adaptation via Deeply
Synergistic Image and Feature Alignment for Medical Image Segmentation [73.84166499988443]
我々は、Synergistic Image and Feature Alignment (SIFA)と名付けられた新しい教師なしドメイン適応フレームワークを提案する。
提案するSIFAは、画像と特徴の両方の観点から、ドメインの相乗的アライメントを行う。
2つの異なるタスクに対する実験結果から,SIFA法は未ラベル対象画像のセグメンテーション性能を向上させるのに有効であることが示された。
論文 参考訳(メタデータ) (2020-02-06T13:49:47Z)
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。