論文の概要: The Road to On-board Change Detection: A Lightweight Patch-Level Change
Detection Network via Exploring the Potential of Pruning and Pooling
- arxiv url: http://arxiv.org/abs/2310.10166v1
- Date: Mon, 16 Oct 2023 08:11:41 GMT
- ステータス: 処理完了
- システム内更新日: 2023-10-17 15:50:11.140636
- Title: The Road to On-board Change Detection: A Lightweight Patch-Level Change
Detection Network via Exploring the Potential of Pruning and Pooling
- Title（参考訳）: オンボード・チェンジ検出への道 : プルーニングとプールの可能性を探ることで,軽量なパッチレベルチェンジ検出ネットワーク
- Authors: Lihui Xue, Zhihao Wang, Xueqian Wang, Gang Li
- Abstract要約: 大規模な両時間画像ペアにおいて,多数の変更のないパッチペアを迅速に除去する,軽量なパッチレベルCDネットワーク(LPCDNet)を提案する。
2つのCDデータセットの実験により、我々のLPCDNetはエッジ計算プラットフォームで毎秒1000フレーム以上を達成した。
本手法は, その後のピクセルレベルのCD処理ステージのメモリコストを60%以上削減する。
- 参考スコア（独自算出の注目度）: 16.070481011363153
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Existing satellite remote sensing change detection (CD) methods often crop
original large-scale bi-temporal image pairs into small patch pairs and then
use pixel-level CD methods to fairly process all the patch pairs. However, due
to the sparsity of change in large-scale satellite remote sensing images,
existing pixel-level CD methods suffer from a waste of computational cost and
memory resources on lots of unchanged areas, which reduces the processing
efficiency of on-board platform with extremely limited computation and memory
resources. To address this issue, we propose a lightweight patch-level CD
network (LPCDNet) to rapidly remove lots of unchanged patch pairs in
large-scale bi-temporal image pairs. This is helpful to accelerate the
subsequent pixel-level CD processing stage and reduce its memory costs. In our
LPCDNet, a sensitivity-guided channel pruning method is proposed to remove
unimportant channels and construct the lightweight backbone network on basis of
ResNet18 network. Then, the multi-layer feature compression (MLFC) module is
designed to compress and fuse the multi-level feature information of
bi-temporal image patch. The output of MLFC module is fed into the
fully-connected decision network to generate the predicted binary label.
Finally, a weighted cross-entropy loss is utilized in the training process of
network to tackle the change/unchange class imbalance problem. Experiments on
two CD datasets demonstrate that our LPCDNet achieves more than 1000 frames per
second on an edge computation platform, i.e., NVIDIA Jetson AGX Orin, which is
more than 3 times that of the existing methods without noticeable CD
performance loss. In addition, our method reduces more than 60% memory costs of
the subsequent pixel-level CD processing stage.
- Abstract（参考訳）: 既存の衛星リモートセンシング変化検出法(CD)は、オリジナルの大規模な2時間画像ペアを小さなパッチペアに抽出し、ピクセルレベルのCDメソッドを使用してすべてのパッチペアを公平に処理する。
しかし、大規模な衛星リモートセンシング画像の変化により、既存のピクセルレベルのCD手法は、多くの不規則領域における計算コストとメモリリソースの浪費に悩まされ、計算量やメモリ資源が極端に制限されたオンボードプラットフォームの処理効率が低下する。
この問題に対処するために,大規模なバイテンポラル画像ペアにおいて,多数の変更のないパッチペアを迅速に除去する軽量パッチレベルCDネットワーク(LPCDNet)を提案する。
これは、その後のピクセルレベルのCD処理を加速し、メモリコストを削減するのに役立つ。
lpcdnetでは,重要でないチャネルを除去し,resnet18ネットワークに基づいて軽量バックボーンネットワークを構築するための感度誘導チャネルプルーニング手法が提案されている。
次に、マルチレイヤ特徴圧縮(MLFC)モジュールを、バイテンポラルイメージパッチのマルチレベル特徴情報を圧縮して融合するように設計する。
MLFCモジュールの出力は、予測されたバイナリラベルを生成するために、完全に接続された決定ネットワークに入力される。
最後に、ネットワークのトレーニングプロセスにおいて、重み付きクロスエントロピー損失を利用して、変更・変更クラス不均衡問題に取り組む。
2つのCDデータセットの実験では、当社のLPCDNetはエッジ計算プラットフォーム、すなわちNVIDIA Jetson AGX Orinで毎秒1000フレーム以上を達成しています。
さらに,次のピクセルレベルのCD処理ステージのメモリコストを60%以上削減する。
関連論文リスト
- 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) - AdaBM: On-the-Fly Adaptive Bit Mapping for Image Super-Resolution [53.23803932357899]
我々は、処理時間を数時間から秒に短縮する最初のオンザフライ適応量子化フレームワークを導入する。
我々は,従来の適応量子化法と競合する性能を実現し,処理時間をx2000で高速化する。
論文 参考訳（メタデータ） (2024-04-04T08:37:27Z) - ELGC-Net: Efficient Local-Global Context Aggregation for Remote Sensing Change Detection [65.59969454655996]
本稿では,変化領域を正確に推定するために,リッチな文脈情報を利用する効率的な変化検出フレームワークELGC-Netを提案する。
提案するELGC-Netは、リモートセンシング変更検出ベンチマークにおいて、最先端の性能を新たに設定する。
また,ELGC-Net-LWも導入した。
論文 参考訳（メタデータ） (2024-03-26T17:46:25Z) - Pixel-Level Change Detection Pseudo-Label Learning for Remote Sensing Change Captioning [28.3763053922823]
リモートセンシング画像変化キャプション(RSICC)の手法は、単純なシーンではうまく機能するが、複雑なシーンでは性能が劣る。
画素レベルのCDは言語による画像の違いを説明する上で重要であると我々は信じている。
提案手法は最先端の性能を達成し,学習用画素レベルのCD擬似ラベルがキャプションの変更に大きく貢献することを示す。
論文 参考訳（メタデータ） (2023-12-23T17:58:48Z) - TransY-Net:Learning Fully Transformer Networks for Change Detection of
Remote Sensing Images [64.63004710817239]
リモートセンシング画像CDのためのトランスフォーマーベース学習フレームワークTransY-Netを提案する。
グローバルな視点からの特徴抽出を改善し、ピラミッド方式で多段階の視覚的特徴を組み合わせる。
提案手法は,4つの光学式および2つのSAR画像CDベンチマーク上での最先端性能を実現する。
論文 参考訳（メタデータ） (2023-10-22T07:42:19Z) - 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) - CADyQ: Content-Aware Dynamic Quantization for Image Super-Resolution [55.50793823060282]
本稿では,画像超解像(SR)ネットワークのための新しいコンテント・アウェア・ダイナミック量子化(CADyQ)手法を提案する。
CADyQは、入力画像のローカル内容に基づいて、局所領域と層に最適なビットを適応的に割り当てる。
パイプラインは様々なSRネットワークでテストされ、いくつかの標準ベンチマークで評価されている。
論文 参考訳（メタデータ） (2022-07-21T07:50:50Z) - 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) - Generating Superpixels for High-resolution Images with Decoupled Patch
Calibration [82.21559299694555]
Patch Networks (PCNet) は高解像度のスーパーピクセルセグメンテーションを効率的かつ正確に実装するように設計されている。
DPCは高解像度画像から局所パッチを取得し、動的にバイナリマスクを生成し、ネットワークを領域境界に集中させる。
特に、DPCは高解像度画像からローカルパッチを取り、動的にバイナリマスクを生成して、ネットワークを領域境界に集中させる。
論文 参考訳（メタデータ） (2021-08-19T10:33:05Z) - Towards Deep and Efficient: A Deep Siamese Self-Attention Fully
Efficient Convolutional Network for Change Detection in VHR Images [28.36808011351123]
EffCDNetという非常に深く効率的なCDネットワークを提示する。
EffCDNetでは、ディープワイド畳み込みとチャネルシャッフル機構によるグループ畳み込みからなる効率的な畳み込みが導入された。
難易度の高い2つのCDデータセットにおいて、本手法は他のSOTA FCN法よりも優れている。
論文 参考訳（メタデータ） (2021-08-18T14:02:38Z)
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。