論文の概要: MineNetCD: A Benchmark for Global Mining Change Detection on Remote Sensing Imagery
- arxiv url: http://arxiv.org/abs/2407.03971v1
- Date: Thu, 4 Jul 2024 14:45:44 GMT
- ステータス: 処理完了
- システム内更新日: 2024-07-08 17:33:44.137208
- Title: MineNetCD: A Benchmark for Global Mining Change Detection on Remote Sensing Imagery
- Title（参考訳）: MineNetCD:リモートセンシング画像によるグローバルマイニング変更検出ベンチマーク
- Authors: Weikang Yu, Xiaokang Zhang, Xiao Xiang Zhu, Richard Gloaguen, Pedram Ghamisi,
- Abstract要約: リモートセンシング画像を用いた地球規模の地雷検出のためのベンチマークであるMineNetCDを紹介する。
まず,両時間高分解能リモートセンシング画像の70万枚以上のパッチを用いたグローバルな地雷変化検出データセットを構築した。
次に,変更対応のFast Fourier Transform (ChangeFFT) モジュールをベースとした新しいベースラインモデルを提案する。
第3に、13以上の高度な変更検出モデルを統合する統合された変更検出フレームワークを構築する。
- 参考スコア（独自算出の注目度）: 29.38505174142192
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Monitoring changes triggered by mining activities is crucial for industrial controlling, environmental management and regulatory compliance, yet it poses significant challenges due to the vast and often remote locations of mining sites. Remote sensing technologies have increasingly become indispensable to detect and analyze these changes over time. We thus introduce MineNetCD, a comprehensive benchmark designed for global mining change detection using remote sensing imagery. The benchmark comprises three key contributions. First, we establish a global mining change detection dataset featuring more than 70k paired patches of bi-temporal high-resolution remote sensing images and pixel-level annotations from 100 mining sites worldwide. Second, we develop a novel baseline model based on a change-aware Fast Fourier Transform (ChangeFFT) module, which enhances various backbones by leveraging essential spectrum components within features in the frequency domain and capturing the channel-wise correlation of bi-temporal feature differences to learn change-aware representations. Third, we construct a unified change detection (UCD) framework that integrates over 13 advanced change detection models. This framework is designed for streamlined and efficient processing, utilizing the cloud platform hosted by HuggingFace. Extensive experiments have been conducted to demonstrate the superiority of the proposed baseline model compared with 12 state-of-the-art change detection approaches. Empirical studies on modularized backbones comprehensively confirm the efficacy of different representation learners on change detection. This contribution represents significant advancements in the field of remote sensing and change detection, providing a robust resource for future research and applications in global mining monitoring. Dataset and Codes are available via the link.
- Abstract（参考訳）: 鉱業活動によって引き起こされる変化のモニタリングは、産業統制、環境管理、規制順守に不可欠であるが、鉱業サイトの広大な遠隔地のため、大きな課題となっている。
リモートセンシング技術は、時間とともにこれらの変化を検出し分析するために必要なものになりつつある。
そこで我々は,リモートセンシング画像を用いた地球規模の地雷検出のための総合的なベンチマークであるMineNetCDを紹介した。
ベンチマークには3つの重要なコントリビューションが含まれている。
まず,世界100カ所の採掘現場から,2時間間高解像度リモートセンシング画像と画素レベルのアノテーションのパッチを70万枚以上組み合わせた,地球規模の鉱毒変化検出データセットを構築した。
第2に、周波数領域内の特徴に必須のスペクトル成分を活用し、両時間的特徴差のチャネルワイズ相関を捉えることで、変化対応の高速フーリエ変換(ChangeFFT)モジュールをベースとした新しいベースラインモデルを構築し、変化対応表現を学習する。
第3に、13以上の高度な変更検出モデルを統合する統合変更検出(UCD)フレームワークを構築する。
このフレームワークは、HuggingFaceがホストするクラウドプラットフォームを利用して、合理化され、効率的に処理できるように設計されている。
提案するベースラインモデルの有効性を,12の最先端変化検出手法と比較し,広範囲な実験を行った。
モジュール化されたバックボーンに関する実証的研究は、異なる表現学習者が変化検出に有効であることを包括的に確認する。
この貢献は、リモートセンシングと変化検出の分野で大きな進歩を示し、地球規模の採掘監視における将来の研究と応用のための堅牢な資源を提供する。
DatasetとCodesはリンクから利用できる。
関連論文リスト
- Show Me What and Where has Changed? Question Answering and Grounding for Remote Sensing Change Detection [82.65760006883248]
我々は,CDQAG (Change Detection Question Answering and Grounding) という新しいタスクを導入する。
CDQAGは、解釈可能なテキスト回答と直感的な視覚的証拠を提供することで、従来の変更検出タスクを拡張している。
QAG-360Kと呼ばれる最初のCDQAGベンチマークデータセットを構築し、360K以上の質問、テキスト回答、およびそれに対応する高品質な視覚マスクを含む。
論文 参考訳（メタデータ） (2024-10-31T11:20:13Z) - Enhancing Perception of Key Changes in Remote Sensing Image Change Captioning [49.24306593078429]
KCFI(Key Change Features and Instruction-tuned)によるリモートセンシング画像変換キャプションのための新しいフレームワークを提案する。
KCFIは、バイテンポラルリモートセンシング画像特徴を抽出するViTsエンコーダと、重要な変化領域を識別するキー特徴知覚器と、画素レベルの変化検出デコーダとを含む。
提案手法の有効性を検証するため,LEVIR-CCデータセット上のいくつかの最新の変更キャプション手法との比較を行った。
論文 参考訳（メタデータ） (2024-09-19T09:33:33Z) - Novel Change Detection Framework in Remote Sensing Imagery Using Diffusion Models and Structural Similarity Index (SSIM) [0.0]
変化検出はリモートセンシングにおいて重要な課題であり、環境変化、都市の成長、災害影響のモニタリングを可能にする。
近年の機械学習、特に拡散モデルのような生成モデルの発展は、変化検出精度を高める新たな機会を提供する。
本稿では,安定拡散モデルの強度と構造類似度指数(SSIM)を組み合わせ,頑健で解釈可能な変化マップを作成する新しい変化検出フレームワークを提案する。
論文 参考訳（メタデータ） (2024-08-20T07:54:08Z) - A Mamba-based Siamese Network for Remote Sensing Change Detection [27.200043694866388]
リモートセンシング画像における変化検出は、異なるタイミングで領域を解析するための重要なツールである。
CNNやTransformerといったディープラーニングの手法は、大きな変化を検出することに成功しています。
本研究では,関心領域をよりよく分割するマンバ型変化検出器(M-CD)を提案する。
論文 参考訳（メタデータ） (2024-07-08T17:05:48Z) - DDLNet: Boosting Remote Sensing Change Detection with Dual-Domain Learning [5.932234366793244]
変化センシング(RSCD)は、多時間リモートセンシング画像を分析して、ある領域における関心の変化を特定することを目的としている。
既存のRSCD法は、関心の変化を高めるために空間領域におけるコンテキストモデリングに費やされている。
二重領域学習(周波数領域と空間領域)に基づくRSCDネットワークDNetを提案する。
論文 参考訳（メタデータ） (2024-06-19T14:54:09Z) - ChangeBind: A Hybrid Change Encoder for Remote Sensing Change Detection [16.62779899494721]
変化検出(CD)は、異なる時刻スタンプで同じ地理的領域間の意味的変化を検出することを目的とした、リモートセンシング(RS)の基本課題である。
本稿では,バイテンポラルRS画像における意味変化をエンコードする,効果的なSiameseベースのフレームワークを提案する。
論文 参考訳（メタデータ） (2024-04-26T17:47:14Z) - 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) - 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) - DETR Doesn't Need Multi-Scale or Locality Design [69.56292005230185]
本稿では,"プレーン"特性を維持できる改良型DETR検出器を提案する。
特定の局所性制約を伴わずに、単一スケールの機能マップとグローバルなクロスアテンション計算を使用する。
マルチスケールな特徴マップと局所性制約の欠如を補うために,2つの単純な技術が平易な設計において驚くほど効果的であることを示す。
論文 参考訳（メタデータ） (2023-08-03T17:59:04Z) - Change Detection Methods for Remote Sensing in the Last Decade: A
Comprehensive Review [45.78958623050146]
変更検出はリモートセンシングにおいて必須かつ広く利用されるタスクである。
時間とともに同じ地理的領域で起きている変化を検出し、分析することを目的としている。
ディープラーニングは、これらの課題を抽出し対処するための強力なツールとして登場した。
論文 参考訳（メタデータ） (2023-05-09T23:52:37Z) - DASNet: Dual attentive fully convolutional siamese networks for change
detection of high resolution satellite images [17.839181739760676]
研究の目的は、関心の変化情報を識別し、無関係な変更情報を干渉要因としてフィルタリングすることである。
近年、ディープラーニングの台頭により、変化検出のための新しいツールが提供され、目覚ましい結果が得られた。
我々は,高解像度画像における変化検出のための新しい手法,すなわち,二重注意型完全畳み込みシームズネットワーク(DASNet)を提案する。
論文 参考訳（メタデータ） (2020-03-07T16:57:10Z)
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。