論文の概要: C2F-SemiCD: A Coarse-to-Fine Semi-Supervised Change Detection Method Based on Consistency Regularization in High-Resolution Remote Sensing Images
- arxiv url: http://arxiv.org/abs/2404.13838v1
- Date: Mon, 22 Apr 2024 02:34:50 GMT
- ステータス: 処理完了
- システム内更新日: 2024-04-23 15:26:21.419592
- Title: C2F-SemiCD: A Coarse-to-Fine Semi-Supervised Change Detection Method Based on Consistency Regularization in High-Resolution Remote Sensing Images
- Title（参考訳）: C2F-SemiCD:高解像度リモートセンシング画像の一貫性規則化に基づく半監督半変化検出法
- Authors: Chengxi Han, Chen Wu, Meiqi Hu, Jiepan Li, Hongruixuan Chen,
- Abstract要約: 高精度特徴抽出モデルは変化検出(CD)に不可欠である
整合正則化(C2F-SemiCD)に基づく粗大な半教師付きCD法を提案する。
C2F-SemiCD法の有効性と有効性を検討した。
- 参考スコア（独自算出の注目度）: 6.191219008656562
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: A high-precision feature extraction model is crucial for change detection (CD). In the past, many deep learning-based supervised CD methods learned to recognize change feature patterns from a large number of labelled bi-temporal images, whereas labelling bi-temporal remote sensing images is very expensive and often time-consuming; therefore, we propose a coarse-to-fine semi-supervised CD method based on consistency regularization (C2F-SemiCD), which includes a coarse-to-fine CD network with a multiscale attention mechanism (C2FNet) and a semi-supervised update method. Among them, the C2FNet network gradually completes the extraction of change features from coarse-grained to fine-grained through multiscale feature fusion, channel attention mechanism, spatial attention mechanism, global context module, feature refine module, initial aggregation module, and final aggregation module. The semi-supervised update method uses the mean teacher method. The parameters of the student model are updated to the parameters of the teacher Model by using the exponential moving average (EMA) method. Through extensive experiments on three datasets and meticulous ablation studies, including crossover experiments across datasets, we verify the significant effectiveness and efficiency of the proposed C2F-SemiCD method. The code will be open at: https://github.com/ChengxiHAN/C2F-SemiCDand-C2FNet.
- Abstract（参考訳）: 変化検出(CD)には,高精度な特徴抽出モデルが不可欠である。
これまで,多数のラベル付きバイテンポラルイメージから特徴パターンの認識を学習する深層学習ベースの教師付きCD手法が数多く存在するが,ラベル付きリモートセンシング画像は非常に高価であり,時間を要することが多いため,多スケールアテンション機構(C2FNet)と半教師付き更新方式を備えた粗大なCDネットワークを含む整合正規化(C2F-SemiCD)に基づく半教師付きCD手法を提案する。
C2FNetネットワークは, 粗粒度から細粒度への変化特徴の抽出を, マルチスケール機能融合, チャネルアテンション機構, 空間アテンション機構, グローバルコンテキストモジュール, 機能洗練モジュール, 初期アグリゲーションモジュール, 最終アグリゲーションモジュールを通じて徐々に完了させる。
半教師更新法は平均教師法を用いる。
指数移動平均 (EMA) 法を用いて, 生徒モデルのパラメータを教師モデルのパラメータに更新する。
3つのデータセットに関する広範な実験と、データセット間のクロスオーバー実験を含む綿密なアブレーション研究を通じて、提案手法の有効性と有効性を検証する。
コードは、https://github.com/ChengxiHAN/C2F-SemiCDand-C2FNetで公開される。
関連論文リスト
- AdaSemiCD: An Adaptive Semi-Supervised Change Detection Method Based on Pseudo-Label Evaluation [0.0]
擬似ラベルの使用を改善するための適応型動的半教師付き学習手法であるAdaCDを提案し,学習過程を最適化する。
LEVIR-CD, WHU-CD, CDDデータセットによる実験結果から, 適応学習フレームワークの有効性と普遍性を検証した。
論文 参考訳（メタデータ） (2024-11-12T12:35:34Z) - Enhancing Adaptive Deep Networks for Image Classification via Uncertainty-aware Decision Fusion [27.117531006305974]
本稿では,適応型深層ネットワークの推論性能を高めるために,CDM(Collaborative Decision Making)モジュールを導入する。
CDMは、第1のc-1分類器からの信頼性(不確かさ値)を利用する、明らかな深層学習(EDL)に基づく不確実性認識融合手法を取り入れている。
また、CDMの核融合品質を改善するために、EDL制約による核融合飽和度と不公平性の問題を低減するバランス項を設計する。
論文 参考訳（メタデータ） (2024-08-25T07:08:58Z) - Relating CNN-Transformer Fusion Network for Change Detection [23.025190360146635]
RCTNetは、空間的特徴と時間的特徴の両方を利用する早期融合バックボーンを導入した。
実験では、従来のRS画像CD法よりもRCTNetの方が明らかに優れていることを示した。
論文 参考訳（メタデータ） (2024-07-03T14:58:40Z) - RFL-CDNet: Towards Accurate Change Detection via Richer Feature Learning [39.3740222598949]
RFL-CDNetは、よりリッチな特徴学習を利用して変更検出性能を向上させる新しいフレームワークである。
C2FGモジュールは、以前の粗いスケールからのサイド予測を現在の微細スケールの予測にシームレスに統合することを目的としている。
LFモジュールは各ステージと各空間位置の寄与が独立であると仮定し、複数の予測を融合させる学習可能なモジュールを設計する。
論文 参考訳（メタデータ） (2024-04-27T03:07:07Z) - 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) - Deep Metric Learning for Unsupervised Remote Sensing Change Detection [60.89777029184023]
リモートセンシング変化検出(RS-CD)は、マルチテンポラルリモートセンシング画像(MT-RSI)から関連する変化を検出することを目的とする。
既存のRS-CD法の性能は、大規模な注釈付きデータセットのトレーニングによるものである。
本稿では,これらの問題に対処可能なディープメトリック学習に基づく教師なしCD手法を提案する。
論文 参考訳（メタデータ） (2023-03-16T17:52:45Z) - 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) - Dual-Cross Central Difference Network for Face Anti-Spoofing [54.81222020394219]
対面防止(FAS)は、顔認識システムを保護する上で重要な役割を担っている。
中央差分畳み込み(CDC)は、FASタスクの優れた表現能力を示しています。
中心と周囲の局所的な特徴の差を利用した2つのC-CDC(Cross Central difference Convolutions)を提案する。
論文 参考訳（メタデータ） (2021-05-04T05:11:47Z) - One-Shot Object Detection without Fine-Tuning [62.39210447209698]
本稿では,第1ステージのMatching-FCOSネットワークと第2ステージのStructure-Aware Relation Moduleからなる2段階モデルを提案する。
また,検出性能を効果的に向上する新たなトレーニング戦略を提案する。
提案手法は,複数のデータセット上で一貫した最先端のワンショット性能を上回る。
論文 参考訳（メタデータ） (2020-05-08T01:59:23Z) - Searching Central Difference Convolutional Networks for Face
Anti-Spoofing [68.77468465774267]
顔認識システムにおいて、顔の反偽造(FAS)が重要な役割を担っている。
最先端のFASメソッドの多くは、スタック化された畳み込みと専門家が設計したネットワークに依存している。
ここでは、中央差分畳み込み(CDC)に基づくフレームレベルの新しいFAS手法を提案する。
論文 参考訳（メタデータ） (2020-03-09T12:48:37Z)
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。