論文の概要: A Concise Tiling Strategy for Preserving Spatial Context in Earth Observation Imagery

• arxiv url: http://arxiv.org/abs/2404.10927v1
• Date: Tue, 16 Apr 2024 21:57:58 GMT
• ステータス: 処理完了
• システム内更新日: 2024-04-18 17:42:39.988543
• Title: A Concise Tiling Strategy for Preserving Spatial Context in Earth Observation Imagery
• Title（参考訳）: 地球観測画像における空間的コンテキスト保存のための簡潔なタイリング戦略
• Authors: Ellianna Abrahams, Tasha Snow, Matthew R. Siegfried, Fernando Pérez,
• Abstract要約: Flip-n-Slideは、地球観測衛星画像をタイリングするための新しい戦略である。 Flip-n-Slideは最小限であり、OoIを複数のタイル位置で表現することができる。 Flip-n-Slideは、すべての評価指標において、タイルデータに対する従来の最先端化ルーチンよりも優れていた。
• 参考スコア（独自算出の注目度）: 41.94295877935867
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: We propose a new tiling strategy, Flip-n-Slide, which has been developed for specific use with large Earth observation satellite images when the location of objects-of-interest (OoI) is unknown and spatial context can be necessary for class disambiguation. Flip-n-Slide is a concise and minimalistic approach that allows OoI to be represented at multiple tile positions and orientations. This strategy introduces multiple views of spatio-contextual information, without introducing redundancies into the training set. By maintaining distinct transformation permutations for each tile overlap, we enhance the generalizability of the training set without misrepresenting the true data distribution. Our experiments validate the effectiveness of Flip-n-Slide in the task of semantic segmentation, a necessary data product in geophysical studies. We find that Flip-n-Slide outperforms the previous state-of-the-art augmentation routines for tiled data in all evaluation metrics. For underrepresented classes, Flip-n-Slide increases precision by as much as 15.8%.
• Abstract（参考訳）: 対象物(OoI)の位置が不明で,クラス不明瞭化に空間的コンテキストを必要とする場合に,地球観測衛星画像の特定用途のために開発された新しいタイリング戦略であるFlip-n-Slideを提案する。 Flip-n-Slideは、OoIを複数のタイルの位置と向きで表現できる簡潔で最小限のアプローチである。 この戦略は、トレーニングセットに冗長性を導入することなく、スパース・コンテクスト情報の複数のビューを導入する。 タイル重なりごとに異なる変換置換を維持することにより、真のデータ分布を誤って表現することなく、トレーニングセットの一般化性を高めることができる。 Flip-n-Slideの有効性を,地球物理研究に必要なデータ生成物であるセマンティックセグメンテーションの課題において検証した。 Flip-n-Slideは、すべての評価指標において、タイルデータに対する従来の最先端化ルーチンよりも優れていた。 表現不足のクラスでは、Flip-n-Slideは15.8%の精度で精度を上げる。

関連論文リスト

• SatSynth: Augmenting Image-Mask Pairs through Diffusion Models for Aerial Semantic Segmentation [69.42764583465508]
  我々は,地球観測における注釈付きデータの不足に対処するために,生成的画像拡散の可能性を探る。 我々の知る限りでは、衛星セグメンテーションのための画像と対応するマスクの両方を最初に生成する。
  論文  参考訳（メタデータ） (2024-03-25T10:30:22Z)
• FUNCK: Information Funnels and Bottlenecks for Invariant Representation Learning [7.804994311050265]
  データから不変表現を学習すると主張する一連の関連する情報漏えいとボトルネック問題について検討する。 本稿では,この情報理論の目的である「側情報付き条件付きプライバシ・ファンネル」の新たな要素を提案する。 一般に難解な目的を考慮し、ニューラルネットワークによってパラメータ化された補正変分推論を用いて、抽出可能な近似を導出する。
  論文  参考訳（メタデータ） (2022-11-02T19:37:55Z)
• Dense FixMatch: a simple semi-supervised learning method for pixel-wise prediction tasks [68.36996813591425]
  Dense FixMatchは,高密度かつ構造化された予測タスクのオンライン半教師付き学習のための簡易な手法である。 我々は、擬似ラベルにマッチング操作を追加することにより、画像分類を超えた半教師付き学習問題にFixMatchの適用を可能にする。 Dense FixMatchは、ラベル付きデータのみを使用して教師付き学習と比較すると、結果を著しく改善し、ラベル付きサンプルの1/4でそのパフォーマンスに近づいた。
  論文  参考訳（メタデータ） (2022-10-18T15:02:51Z)
• Imposing Consistency for Optical Flow Estimation [73.53204596544472]
  プロキシタスクによる一貫性の導入は、データ駆動学習を強化することが示されている。 本稿では,光フロー推定のための新しい,効果的な整合性戦略を提案する。
  論文  参考訳（メタデータ） (2022-04-14T22:58:30Z)
• Leveraging Equivariant Features for Absolute Pose Regression [9.30597356471664]
  変換と回転の同変である畳み込みニューラルネットワークは,カメラの動きの表現を直接特徴空間に誘導することを示す。 次に、この幾何学的性質により、画像平面保存変換の全グループの下でトレーニングデータを暗黙的に増大させることができることを示す。
  論文  参考訳（メタデータ） (2022-04-05T12:44:20Z)
• Bending Graphs: Hierarchical Shape Matching using Gated Optimal Transport [80.64516377977183]
  形状マッチングは、コンピュータグラフィックスと視覚のコミュニティにとって長い間研究されてきた問題である。 局所的なパッチレベル情報とグローバルな形状レベルの構造を組み込んだ階層型学習設計について検討する。 本研究では,非信頼ノード上の特徴を逐次更新し,形状間の一貫した一致を学習することで,新しい最適輸送解法を提案する。
  論文  参考訳（メタデータ） (2022-02-03T11:41:46Z)
• A Contrastive Distillation Approach for Incremental Semantic Segmentation in Aerial Images [15.75291664088815]
  現在のディープニューラルアーキテクチャに関する大きな問題は、破滅的な忘れこととして知られている。 我々は、任意の入力を拡張バージョンと比較する、対照的な正則化を提案する。 私たちは、Potsdamデータセットにおけるソリューションの有効性を示し、各テストにおけるインクリメンタルベースラインよりも優れています。
  論文  参考訳（メタデータ） (2021-12-07T16:44:45Z)
• Towards Better Laplacian Representation in Reinforcement Learning with Generalized Graph Drawing [88.22538267731733]
  ラプラシアン表現は、状態に対する簡潔で情報的な表現を提供する。 近年の研究はスペクトルグラフ描画の目的を最小化することを提案しているが、固有ベクトル以外の大域最小化器は無限に多数存在する。 学習したラプラシア表現がより探索的な選択肢とより良い報酬形成をもたらすことを示す。
  論文  参考訳（メタデータ） (2021-07-12T16:14:02Z)
• RoRD: Rotation-Robust Descriptors and Orthographic Views for Local Feature Matching [32.10261486751993]
  本稿では,データ拡張と視点投影による不変記述子の学習を組み合わせる新しい枠組みを提案する。 提案手法の有効性をポーズ推定や視覚的位置認識などの重要課題に対して評価する。
  論文  参考訳（メタデータ） (2021-03-15T17:40:25Z)
• Cluster-level Feature Alignment for Person Re-identification [16.01713931617725]
  本稿では、データセット全体にわたるクラスタレベルの特徴アライメントという、別の特徴アライメントのモダリティを探索する。 クラスタレベルの特徴アライメントは,データセットの概要から反復的なアグリゲーションとアライメントから構成される。
  論文  参考訳（メタデータ） (2020-08-15T23:47:47Z)

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。