論文の概要: Deep Clustering of Remote Sensing Scenes through Heterogeneous Transfer Learning

• arxiv url: http://arxiv.org/abs/2409.03938v1
• Date: Thu, 5 Sep 2024 23:07:21 GMT
• ステータス: 処理完了
• システム内更新日: 2024-09-09 17:10:40.008871
• Title: Deep Clustering of Remote Sensing Scenes through Heterogeneous Transfer Learning
• Title（参考訳）: 不均一移動学習によるリモートセンシングシーンの深部クラスタリング
• Authors: Isaac Ray, Alexei Skurikhin,
• Abstract要約: 本稿では,ラベルのないリモートセンシングシーンのターゲットデータセットの教師なし全画像クラスタリング手法を提案する。 いくつかのリモートセンシングシーン分類データセットにおいて、最先端のゼロショット分類手法よりも優れた性能を示す。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: This paper proposes a method for unsupervised whole-image clustering of a target dataset of remote sensing scenes with no labels. The method consists of three main steps: (1) finetuning a pretrained deep neural network (DINOv2) on a labelled source remote sensing imagery dataset and using it to extract a feature vector from each image in the target dataset, (2) reducing the dimension of these deep features via manifold projection into a low-dimensional Euclidean space, and (3) clustering the embedded features using a Bayesian nonparametric technique to infer the number and membership of clusters simultaneously. The method takes advantage of heterogeneous transfer learning to cluster unseen data with different feature and label distributions. We demonstrate the performance of this approach outperforming state-of-the-art zero-shot classification methods on several remote sensing scene classification datasets.
• Abstract（参考訳）: 本稿では,ラベルのないリモートセンシングシーンのターゲットデータセットの教師なし全画像クラスタリング手法を提案する。 本手法は,(1)ラベル付きソースリモートセンシング画像データセット上で事前学習したディープニューラルネットワーク(DINOv2)を微調整し,対象データセットの各画像から特徴ベクトルを抽出すること,(2)多様体投影によるこれらのディープ特徴の次元を低次元ユークリッド空間に縮小すること,(3)ベイズ非パラメトリック技術を用いて組込み特徴をクラスタリングすることにより,クラスタの数とメンバシップを同時に推定すること,の3つのステップからなる。 この手法は異種移動学習を利用して、異なる特徴とラベル分布を持つ未知のデータをクラスタリングする。 いくつかのリモートセンシングシーン分類データセットにおいて、最先端のゼロショット分類手法よりも優れた性能を示す。

関連論文リスト

• SegVG: Transferring Object Bounding Box to Segmentation for Visual Grounding [56.079013202051094]
  ボックスレベルのアノテーションを信号として転送する新しい手法であるSegVGを提案する。 このアプローチでは,ボックスレベルのレグレッションとピクセルレベルのセグメンテーションの両方の信号としてアノテーションを反復的に利用することができる。
  論文  参考訳（メタデータ） (2024-07-03T15:30:45Z)
• Semi-supervised segmentation of land cover images using nonlinear canonical correlation analysis with multiple features and t-SNE [1.7000283696243563]
  イメージセグメンテーションはクラスタリングタスクであり、各ピクセルにクラスタラベルが割り当てられる。 本研究では,少数のピクセルのみをラベル付けすることで,半教師付きセグメンテーション手法を提案する。 提案した半教師付きRBF-CCAアルゴリズムは、リモートセンシングされた複数のマルチスペクトル画像に実装されている。
  論文  参考訳（メタデータ） (2024-01-22T17:56:07Z)
• Generalized Category Discovery with Clustering Assignment Consistency [56.92546133591019]
  一般化圏発見(GCD)は、最近提案されたオープンワールドタスクである。 クラスタリングの一貫性を促進するための協調学習ベースのフレームワークを提案する。 提案手法は,3つの総合的なベンチマークと3つのきめ細かい視覚認識データセット上での最先端性能を実現する。
  論文  参考訳（メタデータ） (2023-10-30T00:32:47Z)
• 3DMODT: Attention-Guided Affinities for Joint Detection & Tracking in 3D Point Clouds [95.54285993019843]
  本稿では,3次元点雲における複数物体の同時検出と追跡手法を提案する。 本モデルでは,複数のフレームを用いた時間情報を利用してオブジェクトを検出し,一つのネットワーク上で追跡する。
  論文  参考訳（メタデータ） (2022-11-01T20:59:38Z)
• 360 Depth Estimation in the Wild -- The Depth360 Dataset and the SegFuse Network [35.03201732370496]
  全方位画像からの一視点深度推定は、自律運転やシーン再構築といった幅広い応用で人気を博している。 本研究ではまず,トレーニングデータ問題に対処するため,Depth360と呼ばれるさまざまな設定の大規模データセットを構築した。 次に、人間の眼を模倣してデータセットから効果的に学習する、エンドツーエンドのマルチタスク学習ネットワークであるSegFuseを提案する。
  論文  参考訳（メタデータ） (2022-02-16T11:56:31Z)
• Attentive Prototypes for Source-free Unsupervised Domain Adaptive 3D Object Detection [85.11649974840758]
  3Dオブジェクト検出ネットワークは、トレーニングされたデータに対してバイアスを受ける傾向がある。 そこで本研究では,ライダーを用いた3次元物体検出器のソースレス・教師なし領域適応のための単一フレーム手法を提案する。
  論文  参考訳（メタデータ） (2021-11-30T18:42:42Z)
• Clustering augmented Self-Supervised Learning: Anapplication to Land Cover Mapping [10.720852987343896]
  本稿では,自己教師型学習のためのクラスタリングに基づくプレテキストタスクを用いて,土地被覆マッピングの新しい手法を提案する。 社会的に関係のある2つのアプリケーションに対して,本手法の有効性を示す。
  論文  参考訳（メタデータ） (2021-08-16T19:35:43Z)
• Clustering by Maximizing Mutual Information Across Views [62.21716612888669]
  本稿では,共同表現学習とクラスタリングを組み合わせた画像クラスタリングのための新しいフレームワークを提案する。 提案手法は,様々な画像データセットにおける最先端の単一ステージクラスタリング手法よりも優れていた。
  論文  参考訳（メタデータ） (2021-07-24T15:36:49Z)
• Rank-Consistency Deep Hashing for Scalable Multi-Label Image Search [90.30623718137244]
  スケーラブルなマルチラベル画像検索のための新しいディープハッシュ法を提案する。 2つの空間の類似性順序を整列するために、新しい階数整合性目的を適用した。 強力な損失関数は、意味的類似性とハミング距離が一致しないサンプルをペナルティ化するように設計されている。
  論文  参考訳（メタデータ） (2021-02-02T13:46:58Z)
• Learn by Guessing: Multi-Step Pseudo-Label Refinement for Person Re-Identification [0.0]
  有望なアプローチは、パイプラインの一部として教師なし学習を使用することに依存する。 本稿では,最善のクラスタを選択できるマルチステップ擬似ラベルリファインメント手法を提案する。 我々は、Market1501-DukeMTMCデータセットでUDA Re-IDの最先端を3.4%上回る。
  論文  参考訳（メタデータ） (2021-01-04T20:00:33Z)

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。