論文の概要: A Benchmarking Protocol for SAR Colorization: From Regression to Deep Learning Approaches

• arxiv url: http://arxiv.org/abs/2310.08705v1
• Date: Thu, 12 Oct 2023 20:31:20 GMT
• ステータス: 処理完了
• システム内更新日: 2023-10-16 15:44:19.859158
• Title: A Benchmarking Protocol for SAR Colorization: From Regression to Deep Learning Approaches
• Title（参考訳）: SAR色化のためのベンチマークプロトコル:回帰から深層学習へのアプローチ
• Authors: Kangqing Shen, Gemine Vivone, Xiaoyuan Yang, Simone Lolli, Michael Schmitt
• Abstract要約: 本稿では,SARのカラー化に対する教師あり学習に基づくアプローチの完全な研究ラインを提案する。 提案手法は,合成色SAR画像を生成するプロトコル,いくつかのベースライン,およびSAR色化のための条件付き生成逆ネットワーク(cGAN)に基づく効果的な方法を含む。
• 参考スコア（独自算出の注目度）: 5.632589034046427
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Synthetic aperture radar (SAR) images are widely used in remote sensing. Interpreting SAR images can be challenging due to their intrinsic speckle noise and grayscale nature. To address this issue, SAR colorization has emerged as a research direction to colorize gray scale SAR images while preserving the original spatial information and radiometric information. However, this research field is still in its early stages, and many limitations can be highlighted. In this paper, we propose a full research line for supervised learning-based approaches to SAR colorization. Our approach includes a protocol for generating synthetic color SAR images, several baselines, and an effective method based on the conditional generative adversarial network (cGAN) for SAR colorization. We also propose numerical assessment metrics for the problem at hand. To our knowledge, this is the first attempt to propose a research line for SAR colorization that includes a protocol, a benchmark, and a complete performance evaluation. Our extensive tests demonstrate the effectiveness of our proposed cGAN-based network for SAR colorization. The code will be made publicly available.
• Abstract（参考訳）: 合成開口レーダ(SAR)画像はリモートセンシングに広く利用されている。 SAR画像の解釈は、固有のスペックルノイズとグレースケールの性質のため困難である。 この問題に対処するために、SARのカラー化は、元の空間情報とラジオメトリック情報を保存しながら、グレースケールのSAR画像をカラー化する研究の方向として登場した。 しかし、この研究分野はまだ初期段階にあり、多くの制限が強調されている。 本稿では,SARのカラー化に対する教師あり学習に基づくアプローチの完全な研究ラインを提案する。 提案手法は,合成色SAR画像を生成するプロトコル,いくつかのベースライン,およびSAR色化のための条件付き生成逆ネットワーク(cGAN)に基づく効果的な方法を含む。 また,問題に対する数値評価指標も提案する。 我々の知る限り、これはプロトコル、ベンチマーク、完全な性能評価を含むSAR色化の研究ラインを提案する最初の試みである。 提案するcganベースのネットワークによるsarカラー化の有効性を示す。 コードは公開される予定だ。

関連論文リスト

• Deep Learning Based Speckle Filtering for Polarimetric SAR Images. Application to Sentinel-1 [51.404644401997736]
  本稿では、畳み込みニューラルネットワークを用いて偏光SAR画像のスペックルを除去するための完全なフレームワークを提案する。 実験により,提案手法はスペックル低減と分解能保存の両方において例外的な結果をもたらすことが示された。
  論文  参考訳（メタデータ） (2024-08-28T10:07:17Z)
• FewSAR: A Few-shot SAR Image Classification Benchmark [17.24173332659616]
  画像分類の分野で重要な問題であり,難しい問題の一つである。 FewSARは、SAR画像分類のための3つのカテゴリで15の古典的なメソッドからなるオープンソースのPythonコードライブラリで構成されている。 同じ条件下で定量的な結果と実行条件を解析することにより、計量学習手法の精度が最良の結果が得られることを観察する。
  論文  参考訳（メタデータ） (2023-06-16T02:35:00Z)
• Detecting Recolored Image by Spatial Correlation [60.08643417333974]
  画像のリカラー化は、画像の色値を操作して新しいスタイルを与える、新たな編集技術である。 本稿では,空間相関の観点から,従来型と深層学習による再色検出の汎用的検出能力を示す解を探索する。 提案手法は,複数のベンチマークデータセット上での最先端検出精度を実現し,未知の種類の再色法を適切に一般化する。
  論文  参考訳（メタデータ） (2022-04-23T01:54:06Z)
• Semantic-embedded Unsupervised Spectral Reconstruction from Single RGB Images in the Wild [48.44194221801609]
  この課題に対処するため、我々は、新しい軽量でエンドツーエンドの学習ベースのフレームワークを提案する。 我々は、効率的なカメラスペクトル応答関数推定により、検索されたHS画像から入力されたRGB画像と再投影されたRGB画像の差を徐々に広げる。 提案手法は最先端の教師なし手法よりも優れており,いくつかの設定下では最新の教師付き手法よりも優れている。
  論文  参考訳（メタデータ） (2021-08-15T05:19:44Z)
• Learnable Reconstruction Methods from RGB Images to Hyperspectral Imaging: A Survey [27.235897806207706]
  より安価なRGB画像から高スペクトル情報を直接再構成することで、多くの代替分光イメージング法が提案されている。 広帯域RGB画像から最新のスペクトル再構成手法を徹底的に検討する。 データ駆動深層学習法の多くは, 速度が低いにもかかわらず, 復元精度と品質の点で, 従来の手法よりも優れている。
  論文  参考訳（メタデータ） (2021-06-30T09:52:41Z)
• MobileSal: Extremely Efficient RGB-D Salient Object Detection [62.04876251927581]
  本稿では,効率的なRGB-Dサルエント物体検出(SOD)に焦点を当てた新しいネットワーク,メソッド名を提案する。 RGB-D SODのためのモバイルネットワークの特徴表現能力を強化するために,暗黙的深度復元(IDR)手法を提案する。 IDRとCPRを組み込むことで、7つの挑戦的なRGB-D SODデータセット上のsArtメソッドに対してメソッド名が好ましい。
  論文  参考訳（メタデータ） (2020-12-24T04:36:42Z)
• Image Colorization: A Survey and Dataset [94.59768013860668]
  本稿では,最先端の深層学習に基づく画像着色技術に関する包括的調査を行う。 既存の着色技法を7つのクラスに分類し、その性能を規定する重要な要因について論じる。 我々は既存のデータセットと提案した画像の両方を用いて、既存の画像のカラー化手法を広範囲に実験的に評価する。
  論文  参考訳（メタデータ） (2020-08-25T01:22:52Z)
• SAR2SAR: a semi-supervised despeckling algorithm for SAR images [3.9490074068698]
  本稿では,自己超越型ディープラーニングアルゴリズムSAR2SARを提案する。 時間的変化の補償と、スペックル統計に適応した損失関数に基づいて、SAR非特異化に適応する戦略を提示する。 提案アルゴリズムの可能性を示すために,実画像における結果について考察する。
  論文  参考訳（メタデータ） (2020-06-26T15:07:28Z)
• The color out of space: learning self-supervised representations for Earth Observation imagery [10.019106184219515]
  衛星画像から有意義な表現を学習し、その高次元スペクトル帯域を利用して可視色を再構成する。 我々は,土地被覆分類(BigEarthNet)と西ナイルウイルス検出(West Nile Virus detection)について実験を行い,着色が特徴抽出器を訓練するための確固とした前提条件であることを示した。
  論文  参考訳（メタデータ） (2020-06-22T10:21:36Z)
• Gradient-Induced Co-Saliency Detection [81.54194063218216]
  Co-SOD(Co-saliency Detection)は、一般的な唾液前景を関連画像のグループに分割することを目的としている。 本稿では,人間の行動にインスパイアされた,勾配誘導型共分散検出法を提案する。
  論文  参考訳（メタデータ） (2020-04-28T08:40:55Z)

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。