論文の概要: Active Label Refinement for Semantic Segmentation of Satellite Images

• arxiv url: http://arxiv.org/abs/2309.06159v1
• Date: Tue, 12 Sep 2023 12:01:40 GMT
• ステータス: 処理完了
• システム内更新日: 2023-09-13 13:21:57.739973
• Title: Active Label Refinement for Semantic Segmentation of Satellite Images
• Title（参考訳）: 衛星画像のセマンティックセグメンテーションのためのアクティブラベルリファインメント
• Authors: Tuan Pham Minh, Jayan Wijesingha, Daniel Kottke, Marek Herde, Denis Huseljic, Bernhard Sick, Michael Wachendorf, Thomas Esch
• Abstract要約: 衛星画像のラベル付けには,クラウドソーシングや事前学習ネットワークなど,低コストなアプローチを採用することを提案する。 2番目のステップでは、アクティブな学習戦略を使用して、ラベルをコスト効率よく洗練しています。 実験結果から,セマンティックセグメンテーションネットワークの性能向上のためのアクティブなラベル改善が有用であることが示唆された。
• 参考スコア（独自算出の注目度）: 1.6685829157403116
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Remote sensing through semantic segmentation of satellite images contributes to the understanding and utilisation of the earth's surface. For this purpose, semantic segmentation networks are typically trained on large sets of labelled satellite images. However, obtaining expert labels for these images is costly. Therefore, we propose to rely on a low-cost approach, e.g. crowdsourcing or pretrained networks, to label the images in the first step. Since these initial labels are partially erroneous, we use active learning strategies to cost-efficiently refine the labels in the second step. We evaluate the active learning strategies using satellite images of Bengaluru in India, labelled with land cover and land use labels. Our experimental results suggest that an active label refinement to improve the semantic segmentation network's performance is beneficial.
• Abstract（参考訳）: 衛星画像のセマンティクスセグメンテーションによるリモートセンシングは、地球表面の理解と利用に寄与している。 この目的のために、セマンティックセグメンテーションネットワークは通常、ラベル付き衛星画像の大規模なセットで訓練される。 しかし、これらの画像の専門的なラベルを得るにはコストがかかる。 そこで,まず,クラウドソーシングや事前学習したネットワークなど,低コストな手法を用いて画像のラベル付けを行うことを提案する。 これらの初期ラベルは部分的に誤っているため、能動的学習戦略を用いて第2段階のコスト効率向上を図る。 本研究では,インドにおけるベンガルルの衛星画像を用いて,土地被覆ラベルと土地利用ラベルを付与したアクティブラーニング戦略を評価する。 実験結果から,セマンティックセグメンテーションネットワークの性能向上のためのアクティブラベル改良が有用であることが示唆された。

関連論文リスト

• Weakly-supervised Camera Localization by Ground-to-satellite Image Registration [52.54992898069471]
  本稿では,地対衛星画像登録のための弱教師付き学習戦略を提案する。 地上画像ごとに正の衛星画像と負の衛星画像を導き出す。 また,クロスビュー画像の相対回転推定のための自己超越戦略を提案する。
  論文  参考訳（メタデータ） (2024-09-10T12:57:16Z)
• Evaluating the Efficacy of Cut-and-Paste Data Augmentation in Semantic Segmentation for Satellite Imagery [4.499833362998487]
  本研究では,衛星画像のセマンティックセグメンテーションにおけるカット・アンド・ペースト拡張手法の有効性について検討した。 私たちは、通常ラベル付きインスタンスを必要とするこの拡張を、セマンティックセグメンテーションのケースに適用します。 評価のためにDynamicEarthNetデータセットとU-Netモデルを用いて、この拡張により、テストセットのmIoUスコアが37.9から44.1に大幅に向上することを発見した。
  論文  参考訳（メタデータ） (2024-04-08T17:18:30Z)
• Learning Semantic Segmentation with Query Points Supervision on Aerial Images [57.09251327650334]
  セマンティックセグメンテーションアルゴリズムを学習するための弱教師付き学習アルゴリズムを提案する。 提案手法は正確なセマンティックセグメンテーションを行い,手作業のアノテーションに要するコストと時間を大幅に削減することで効率を向上する。
  論文  参考訳（メタデータ） (2023-09-11T14:32:04Z)
• Data Generation for Satellite Image Classification Using Self-Supervised Representation Learning [0.0]
  衛星画像パッチの合成ラベルを作成するための自己教師付き学習手法を提案する。 これらの合成ラベルは、既存の教師付き学習技術のトレーニングデータセットとして使用することができる。 実験では,合成ラベルで訓練されたモデルが実ラベルで訓練されたモデルと類似した性能を示すことを示した。
  論文  参考訳（メタデータ） (2022-05-28T12:54:34Z)
• Active Learning for Improved Semi-Supervised Semantic Segmentation in Satellite Images [1.0152838128195467]
  半教師付きテクニックは、ラベル付きサンプルの小さなセットから擬似ラベルを生成する。 そこで我々は,ラベル付きトレーニングデータの集合を高度に代表的に選択するために,アクティブな学習に基づくサンプリング戦略を提案する。 我々はmIoUの27%の改善を報告し、2%のラベル付きデータをアクティブラーニングサンプリング戦略を用いて報告した。
  論文  参考訳（メタデータ） (2021-10-15T00:29:31Z)
• Semantic Segmentation with Generative Models: Semi-Supervised Learning and Strong Out-of-Domain Generalization [112.68171734288237]
  本論文では,画像とラベルの再生モデルを用いた識別画素レベルのタスクのための新しいフレームワークを提案する。 我々は,共同画像ラベルの分布を捕捉し,未ラベル画像の大規模な集合を用いて効率的に訓練する生成的対向ネットワークを学習する。 ドメイン内性能をいくつかのベースラインと比較し,ドメイン外一般化を極端に示す最初の例である。
  論文  参考訳（メタデータ） (2021-04-12T21:41:25Z)
• Knowledge-Guided Multi-Label Few-Shot Learning for General Image Recognition [75.44233392355711]
  KGGRフレームワークは、ディープニューラルネットワークと統計ラベル相関の事前知識を利用する。 まず、統計ラベルの共起に基づいて異なるラベルを相関させる構造化知識グラフを構築する。 次に、ラベルセマンティクスを導入し、学習セマンティクス固有の特徴をガイドする。 グラフノードの相互作用を探索するためにグラフ伝搬ネットワークを利用する。
  論文  参考訳（メタデータ） (2020-09-20T15:05:29Z)
• Mining Cross-Image Semantics for Weakly Supervised Semantic Segmentation [128.03739769844736]
  2つのニューラルコアテンションを分類器に組み込んで、画像間のセマンティックな類似点と相違点をキャプチャする。 オブジェクトパターン学習の強化に加えて、コアテンションは他の関連する画像からのコンテキストを活用して、ローカライズマップの推論を改善することができる。 提案アルゴリズムは,これらすべての設定に対して新たな最先端性を設定し,その有効性と一般化性を示す。
  論文  参考訳（メタデータ） (2020-07-03T21:53:46Z)
• RGB-based Semantic Segmentation Using Self-Supervised Depth Pre-Training [77.62171090230986]
  本稿では,任意の意味的RGBセグメンテーション手法の事前学習に使用できる,スケーラブルで自己管理の容易な手法を提案する。 特に、我々の事前学習アプローチでは、深度センサーを用いて得られるラベルを自動生成する。 提案したHNラベルによる自己教師付き事前学習が,ImageNetの事前学習にどのように応用できるかを示す。
  論文  参考訳（メタデータ） (2020-02-06T11:16:24Z)

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。