論文の概要: Exchange means change: an unsupervised single-temporal change detection
framework based on intra- and inter-image patch exchange
- arxiv url: http://arxiv.org/abs/2310.00689v1
- Date: Sun, 1 Oct 2023 14:50:54 GMT
- ステータス: 処理完了
- システム内更新日: 2023-10-05 02:39:37.076488
- Title: Exchange means change: an unsupervised single-temporal change detection
framework based on intra- and inter-image patch exchange
- Title（参考訳）: Exchange means change: 画像内および画像間パッチ交換に基づく教師なし単一時間変化検出フレームワーク
- Authors: Hongruixuan Chen and Jian Song and Chen Wu and Bo Du and Naoto Yokoya
- Abstract要約: 画像内および画像間パッチ交換(I3PE)に基づく教師なし単一時間CDフレームワークを提案する。
I3PEフレームワークは、損傷のない、ラベルなしの単一時間リモートセンシング画像上で、深い変化検出を訓練することができる。
I3PEは教師なしのアプローチよりも優れており、SOTA法では10.65%と6.99%のF1値の改善を実現している。
- 参考スコア（独自算出の注目度）: 44.845959222180866
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: Change detection (CD) is a critical task in studying the dynamics of
ecosystems and human activities using multi-temporal remote sensing images.
While deep learning has shown promising results in CD tasks, it requires a
large number of labeled and paired multi-temporal images to achieve high
performance. Pairing and annotating large-scale multi-temporal remote sensing
images is both expensive and time-consuming. To make deep learning-based CD
techniques more practical and cost-effective, we propose an unsupervised
single-temporal CD framework based on intra- and inter-image patch exchange
(I3PE). The I3PE framework allows for training deep change detectors on
unpaired and unlabeled single-temporal remote sensing images that are readily
available in real-world applications. The I3PE framework comprises four steps:
1) intra-image patch exchange method is based on an object-based image analysis
method and adaptive clustering algorithm, which generates pseudo-bi-temporal
image pairs and corresponding change labels from single-temporal images by
exchanging patches within the image; 2) inter-image patch exchange method can
generate more types of land-cover changes by exchanging patches between images;
3) a simulation pipeline consisting of several image enhancement methods is
proposed to simulate the radiometric difference between pre- and post-event
images caused by different imaging conditions in real situations; 4)
self-supervised learning based on pseudo-labels is applied to further improve
the performance of the change detectors in both unsupervised and
semi-supervised cases. Extensive experiments on two large-scale datasets
demonstrate that I3PE outperforms representative unsupervised approaches and
achieves F1 value improvements of 10.65% and 6.99% to the SOTA method.
Moreover, I3PE can improve the performance of the ... (see the original article
for full abstract)
- Abstract（参考訳）: 変化検出(CD)は,マルチ時間リモートセンシング画像を用いて生態系や人間の活動のダイナミクスを研究する上で重要な課題である。
ディープラーニングはcdタスクで有望な結果を示しているが、高いパフォーマンスを達成するには多数のラベル付きおよびペアのマルチテンポラル画像が必要である。
大規模マルチ時間リモートセンシング画像のペアリングと注釈付けは高価かつ時間を要する。
深層学習に基づくCD技術をより実用的で低コストにするために,画像内および画像間パッチ交換(I3PE)に基づく教師なし単一時間CDフレームワークを提案する。
I3PEフレームワークは、現実世界のアプリケーションで容易に利用できる、ペアなし、ラベルなしの単一時間リモートセンシングイメージ上で、深い変更検出をトレーニングすることができる。
I3PEフレームワークには4つのステップがある。
1)画像内パッチ交換方法は,画像内のパッチを交換することにより,擬似バイモーダル画像対と対応する変更ラベルを生成するオブジェクトベース画像解析法と適応クラスタリングアルゴリズムに基づいている。
2) 画像間のパッチ交換により、画像間のパッチ交換により、より多くの種類の土地被覆変化を発生させることができる。
3) 実環境での撮像条件の違いによる撮影前と撮影後の違いをシミュレートするために,複数の画像強調法からなるシミュレーションパイプラインを提案する。
4)疑似ラベルに基づく自己教師付き学習を適用し,教師なしと半教師なしの両方において変化検出器の性能をさらに向上させる。
2つの大規模データセットに関する広範な実験により、i3peは教師なしのアプローチよりも優れており、10.65%と6.99%のf1値の改善を達成した。
さらに、I3PE は ... のパフォーマンスを向上させることができる(詳細はオリジナルの記事を参照)。
関連論文リスト
- IMAFD: An Interpretable Multi-stage Approach to Flood Detection from time series Multispectral Data [9.960331908396379]
本稿では,洪水検出のための多段階解析手法IMAFDを提案する。
大規模なリモートセンシングタスクに適した、自動的で効率的で解釈可能なソリューションを提供する。
上記のすべてのデータセットに対して、提案されたフレームワークは、解釈可能性と洞察を提供する他の方法と比較して、競争力のあるパフォーマンスを示している。
論文 参考訳（メタデータ） (2024-05-13T16:47:53Z) - Lightweight Change Detection in Heterogeneous Remote Sensing Images with Online All-Integer Pruning Training [17.387154380465294]
現在の均質な変化検出手法は、しばしば高い計算とメモリコストに悩まされる。
本稿では,CDネットワークを効率よく微調整するオンラインオール整数プルーニング(OAIP)トレーニング戦略を用いた,新しい軽量CD手法を提案する。
実験結果から,OAIP法は現状のCD法と比較して,同様の検出性能(ただし,複雑性とメモリ使用量を大幅に削減した)が得られることがわかった。
論文 参考訳（メタデータ） (2024-05-03T08:23:39Z) - Single-temporal Supervised Remote Change Detection for Domain Generalization [42.55492600157288]
変化検出はリモートセンシング画像解析に広く応用されている。
既存の方法はデータセットごとに個別にトレーニングモデルを必要とする。
本稿では,変化検出領域の一般化のための視覚遅延事前学習に基づくマルチモーダルコントラスト学習(ChangeCLIP)を提案する。
論文 参考訳（メタデータ） (2024-04-17T12:38:58Z) - Affine-Consistent Transformer for Multi-Class Cell Nuclei Detection [76.11864242047074]
本稿では, 原子核位置を直接生成する新しいアフィン一貫性変換器 (AC-Former) を提案する。
本稿では,AAT (Adaptive Affine Transformer) モジュールを導入し,ローカルネットワークトレーニングのためのオリジナル画像をワープするための重要な空間変換を自動学習する。
実験結果から,提案手法は様々なベンチマークにおいて既存の最先端アルゴリズムを著しく上回ることがわかった。
論文 参考訳（メタデータ） (2023-10-22T02:27:02Z) - Improving Human-Object Interaction Detection via Virtual Image Learning [68.56682347374422]
人間-物体相互作用(Human-Object Interaction、HOI)は、人間と物体の相互作用を理解することを目的としている。
本稿では,仮想画像学習(Virtual Image Leaning, VIL)による不均衡分布の影響を軽減することを提案する。
ラベルからイメージへの新たなアプローチであるMultiple Steps Image Creation (MUSIC)が提案され、実際の画像と一貫した分布を持つ高品質なデータセットを作成する。
論文 参考訳（メタデータ） (2023-08-04T10:28:48Z) - UCDFormer: Unsupervised Change Detection Using a Transformer-driven
Image Translation [20.131754484570454]
両時間画像の比較による変化検出(CD)は,リモートセンシングにおいて重要な課題である。
リモートセンシング画像に対する領域シフト設定による変更検出を提案する。
UCDFormerと呼ばれる軽量トランスを用いた新しい教師なしCD方式を提案する。
論文 参考訳（メタデータ） (2023-08-02T13:39:08Z) - 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) - Activation to Saliency: Forming High-Quality Labels for Unsupervised
Salient Object Detection [54.92703325989853]
本稿では,高品質なサリエンシキューを効果的に生成する2段階アクティベーション・ツー・サリエンシ(A2S)フレームワークを提案する。
トレーニングプロセス全体において、私たちのフレームワークにヒューマンアノテーションは関与していません。
本フレームワークは,既存のUSOD法と比較して高い性能を示した。
論文 参考訳（メタデータ） (2021-12-07T11:54:06Z) - A Hierarchical Transformation-Discriminating Generative Model for Few
Shot Anomaly Detection [93.38607559281601]
各トレーニングイメージのマルチスケールパッチ分布をキャプチャする階層的生成モデルを開発した。
この異常スコアは、スケール及び画像領域にわたる正しい変換のパッチベースの投票を集約して得られる。
論文 参考訳（メタデータ） (2021-04-29T17:49:48Z) - 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)
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。