論文の概要: Real-Time Semantic Segmentation: A Brief Survey & Comparative Study in Remote Sensing

• arxiv url: http://arxiv.org/abs/2309.06047v1
• Date: Tue, 12 Sep 2023 08:30:48 GMT
• ステータス: 処理完了
• システム内更新日: 2023-09-13 13:51:18.715436
• Title: Real-Time Semantic Segmentation: A Brief Survey & Comparative Study in Remote Sensing
• Title（参考訳）: リアルタイムセマンティックセグメンテーション : リモートセンシングにおける簡単な調査と比較研究
• Authors: Clifford Broni-Bediako, Junshi Xia, and Naoto Yokoya
• Abstract要約: 本稿では,効率的なディープニューラルネットワークを設計するための基本的な圧縮手法の要約から始める。 そこで本研究では,ネットワークアーキテクチャ設計のアプローチに基づいて,これらの手法を分類学に組み込むことにより,基礎的な効率的な深層学習手法について検討する。 我々は,現在利用可能なリモートセマンティックセマンティックセグメンテーションベンチマークデータセットを用いて,既存のディープニューラルネットワークの品質と効率を評価する。
• 参考スコア（独自算出の注目度）: 13.278362721781978
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Real-time semantic segmentation of remote sensing imagery is a challenging task that requires a trade-off between effectiveness and efficiency. It has many applications including tracking forest fires, detecting changes in land use and land cover, crop health monitoring, and so on. With the success of efficient deep learning methods (i.e., efficient deep neural networks) for real-time semantic segmentation in computer vision, researchers have adopted these efficient deep neural networks in remote sensing image analysis. This paper begins with a summary of the fundamental compression methods for designing efficient deep neural networks and provides a brief but comprehensive survey, outlining the recent developments in real-time semantic segmentation of remote sensing imagery. We examine several seminal efficient deep learning methods, placing them in a taxonomy based on the network architecture design approach. Furthermore, we evaluate the quality and efficiency of some existing efficient deep neural networks on a publicly available remote sensing semantic segmentation benchmark dataset, the OpenEarthMap. The experimental results of an extensive comparative study demonstrate that most of the existing efficient deep neural networks have good segmentation quality, but they suffer low inference speed (i.e., high latency rate), which may limit their capability of deployment in real-time applications of remote sensing image segmentation. We provide some insights into the current trend and future research directions for real-time semantic segmentation of remote sensing imagery.
• Abstract（参考訳）: リモートセンシング画像のリアルタイムセマンティクスセグメンテーションは、有効性と効率のトレードオフを必要とする困難なタスクである。 森林火災の追跡、土地利用や土地被覆の変化の検知、作物の健康モニタリングなど、多くの応用がある。 コンピュータビジョンにおけるリアルタイム意味セマンティクスセグメンテーションのための効率的な深層学習手法(すなわち効率的な深層ニューラルネットワーク)の成功により、研究者はこれらの効率的な深層ニューラルネットワークをリモートセンシング画像解析に採用した。 本稿では、効率的な深層ニューラルネットワークを設計するための基本的な圧縮手法の要約から始まり、リモートセンシング画像のリアルタイムセマンティックセグメンテーションにおける最近の進歩の概要を概説する。 そこで本研究では,ネットワークアーキテクチャ設計のアプローチに基づいて,これらの手法を分類学に配置する。 さらに、利用可能なリモートセンシングセマンティックセグメンテーションベンチマークデータセットであるOpenEarthMap上で、既存の効率的なディープニューラルネットワークの品質と効率を評価する。 大規模な比較研究の結果、既存の効率的なディープニューラルネットワークのほとんどがセグメンテーション品質が良いが、それらは低い推論速度(すなわち高いレイテンシ率)に苦しんでおり、リモートセンシングイメージセグメンテーションのリアルタイムアプリケーションでのデプロイメント能力を制限する可能性がある。 リモートセンシング画像のリアルタイムセマンティックセグメンテーションの現在の動向と今後の研究方向性について考察する。

関連論文リスト

• Efficient and Accurate Hyperspectral Image Demosaicing with Neural Network Architectures [3.386560551295746]
  本研究では,ハイパースペクトル画像復調におけるニューラルネットワークアーキテクチャの有効性について検討した。 様々なネットワークモデルと修正を導入し、それらを従来の手法や既存の参照ネットワークアプローチと比較する。 その結果、我々のネットワークは、例外的な性能を示す両方のデータセットにおいて、参照モデルよりも優れるか、一致していることがわかった。
  論文  参考訳（メタデータ） (2023-12-21T08:02:49Z)
• SAR Despeckling Using Overcomplete Convolutional Networks [53.99620005035804]
  スペックルはSAR画像を劣化させるため、リモートセンシングにおいて重要な問題である。 近年の研究では、畳み込みニューラルネットワーク(CNN)が古典的解法よりも優れていることが示されている。 本研究は、受容場を制限することで低レベルの特徴を学習することに集中するために、過剰なCNNアーキテクチャを用いる。 本稿では,合成および実SAR画像の非特定化手法と比較して,提案手法により非特定化性能が向上することを示す。
  論文  参考訳（メタデータ） (2022-05-31T15:55:37Z)
• M-FasterSeg: An Efficient Semantic Segmentation Network Based on Neural Architecture Search [0.0]
  本稿では,ディープラーニングネットワークに基づくセマンティックセグメンテーションネットワークの改良構造を提案する。 まず、ニューラルネットワーク探索法NAS(Neural Architecture Search)を用いて、複数の解像度分岐を持つセマンティックセグメンテーションネットワークを求める。 検索プロセスでは、自己注意ネットワーク構造モジュールを結合して、探索したニューラルネットワーク構造を調整し、異なるブランチによって探索されたセマンティックセマンティックセマンティックネットワークを結合して、高速なセマンティックセマンティックセマンティックネットワーク構造を形成する。
  論文  参考訳（メタデータ） (2021-12-15T06:46:55Z)
• Triggering Failures: Out-Of-Distribution detection by learning from local adversarial attacks in Semantic Segmentation [76.2621758731288]
  セグメンテーションにおけるアウト・オブ・ディストリビューション(OOD)オブジェクトの検出に取り組む。 私たちの主な貢献は、ObsNetと呼ばれる新しいOOD検出アーキテクチャであり、ローカル・アタック(LAA)に基づく専用トレーニングスキームと関連付けられています。 3つの異なるデータセットの文献の最近の10つの手法と比較して,速度と精度の両面で最高の性能が得られることを示す。
  論文  参考訳（メタデータ） (2021-08-03T17:09:56Z)
• Joint Learning of Neural Transfer and Architecture Adaptation for Image Recognition [77.95361323613147]
  現在の最先端の視覚認識システムは、大規模データセット上でニューラルネットワークを事前トレーニングし、より小さなデータセットでネットワーク重みを微調整することに依存している。 本稿では,各ドメインタスクに適応したネットワークアーキテクチャの動的適応と,効率と効率の両面で重みの微調整の利点を実証する。 本手法は,ソースドメインタスクでスーパーネットトレーニングを自己教師付き学習に置き換え,下流タスクで線形評価を行うことにより,教師なしパラダイムに容易に一般化することができる。
  論文  参考訳（メタデータ） (2021-03-31T08:15:17Z)
• Learning a Domain-Agnostic Visual Representation for Autonomous Driving via Contrastive Loss [25.798361683744684]
  ドメイン認識コントラスト学習(Domain-Agnostic Contrastive Learning、DACL)は、2段階の非監視ドメイン適応フレームワークである。 提案手法は,従来の最新手法に比べ,単眼深度推定作業における性能向上を実現した。
  論文  参考訳（メタデータ） (2021-03-10T07:06:03Z)
• Geography-Aware Self-Supervised Learning [79.4009241781968]
  異なる特徴により、標準ベンチマークにおけるコントラスト学習と教師あり学習の間には、非自明なギャップが持続していることが示される。 本稿では,リモートセンシングデータの空間的整合性を利用した新しいトレーニング手法を提案する。 提案手法は,画像分類,オブジェクト検出,セマンティックセグメンテーションにおけるコントラスト学習と教師あり学習のギャップを埋めるものである。
  論文  参考訳（メタデータ） (2020-11-19T17:29:13Z)
• NAS-Navigator: Visual Steering for Explainable One-Shot Deep Neural Network Synthesis [53.106414896248246]
  本稿では,分析者がドメイン知識を注入することで,解のサブグラフ空間を効果的に構築し,ネットワーク探索をガイドするフレームワークを提案する。 このテクニックを反復的に適用することで、アナリストは、与えられたアプリケーションに対して最高のパフォーマンスのニューラルネットワークアーキテクチャに収束することができる。
  論文  参考訳（メタデータ） (2020-09-28T01:48:45Z)
• Real-time Fusion Network for RGB-D Semantic Segmentation Incorporating Unexpected Obstacle Detection for Road-driving Images [13.3382165879322]
  RFNetと呼ばれるリアルタイムな融合セマンティックセグメンテーションネットワークを提案する。 RFNetは迅速な実行が可能で、自動運転車のアプリケーションを満たす。 Cityscapesでは,従来の最先端セマンティックセマンティックセマンティックセマンティックスよりも優れた精度と22Hzの推論速度で優れていた。
  論文  参考訳（メタデータ） (2020-02-24T22:17:25Z)
• Depthwise Non-local Module for Fast Salient Object Detection Using a Single Thread [136.2224792151324]
  本稿では,高速な物体検出のための新しいディープラーニングアルゴリズムを提案する。 提案アルゴリズムは,1つのCPUスレッドと同時に,競合精度と高い推論効率を実現する。
  論文  参考訳（メタデータ） (2020-01-22T15:23:48Z)

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。