論文の概要: Bi-temporal Gaussian Feature Dependency Guided Change Detection in Remote Sensing Images
- arxiv url: http://arxiv.org/abs/2410.09539v1
- Date: Sat, 12 Oct 2024 14:01:41 GMT
- ステータス: 処理完了
- システム内更新日: 2024-10-30 13:55:04.888648
- Title: Bi-temporal Gaussian Feature Dependency Guided Change Detection in Remote Sensing Images
- Title(参考訳): リモートセンシング画像における両時間ガウス特徴依存性変化検出
- Authors: Yi Xiao, Bin Luo, Jun Liu, Xin Su, Wei Wang,
- Abstract要約: 変化検出 (CD) 法は, 多時間画像における領域情報の違いによる疑似変化の解決に依然として苦慮している。
この問題に対処するため、両時間ガウス分布特徴依存ネットワーク(BGFD)を提案する。
BGFDは擬似的変化を効果的に低減し、詳細情報の検出能力を高めた。
- 参考スコア(独自算出の注目度): 17.674955288033974
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Change Detection (CD) enables the identification of alterations between images of the same area captured at different times. However, existing CD methods still struggle to address pseudo changes resulting from domain information differences in multi-temporal images and instances of detail errors caused by the loss and contamination of detail features during the upsampling process in the network. To address this, we propose a bi-temporal Gaussian distribution feature-dependent network (BGFD). Specifically, we first introduce the Gaussian noise domain disturbance (GNDD) module, which approximates distribution using image statistical features to characterize domain information, samples noise to perturb the network for learning redundant domain information, addressing domain information differences from a more fundamental perspective. Additionally, within the feature dependency facilitation (FDF) module, we integrate a novel mutual information difference loss ($L_{MI}$) and more sophisticated attention mechanisms to enhance the capabilities of the network, ensuring the acquisition of essential domain information. Subsequently, we have designed a novel detail feature compensation (DFC) module, which compensates for detail feature loss and contamination introduced during the upsampling process from the perspectives of enhancing local features and refining global features. The BGFD has effectively reduced pseudo changes and enhanced the detection capability of detail information. It has also achieved state-of-the-art performance on four publicly available datasets - DSIFN-CD, SYSU-CD, LEVIR-CD, and S2Looking, surpassing baseline models by +8.58%, +1.28%, +0.31%, and +3.76% respectively, in terms of the F1-Score metric.
- Abstract(参考訳): 変化検出(CD)は、異なる時間にキャプチャされた同じ領域の画像間の変化を識別する。
しかし、既存のCD手法は、マルチ時間画像におけるドメイン情報の違いや、ネットワーク上のアップサンプリングプロセス中に詳細特徴の喪失や汚染に起因する詳細エラーの事例など、疑似的な変化に対処するのに依然として苦労している。
そこで本稿では,両時間ガウス分布特徴依存ネットワーク(BGFD)を提案する。
具体的には、まず、画像統計的特徴を用いて分布を近似し、ドメイン情報を特徴付けるガウスノイズ領域障害(GNDD)モジュールを導入し、余分なドメイン情報を学習するためにネットワークを摂動するノイズをサンプリングし、より基本的な視点からドメイン情報の違いに対処する。
さらに,機能依存性ファシリテーション(FDF)モジュール内には,新たな相互情報差分損失(L_{MI}$)とより高度な注意機構が組み込まれ,ネットワークの能力を高め,本質的なドメイン情報の取得を確実にする。
その後、我々は、局所的な特徴の強化とグローバルな特徴の精細化の観点から、アップサンプリングプロセス中に導入された詳細な特徴損失と汚染を補償する、新しい詳細特徴補償(DFC)モジュールを設計した。
BGFDは、疑似変化を効果的に低減し、詳細情報の検出能力を向上した。
また、DSIFN-CD、SYSU-CD、LEVIR-CD、S2の4つの公開データセットで最先端のパフォーマンスも達成しており、F1-Scoreメトリックでは、ベースラインモデルが+8.58%、+1.28%、+0.31%、+3.76%を上回っている。
関連論文リスト
- Wavelet-based Bi-dimensional Aggregation Network for SAR Image Change Detection [53.842568573251214]
3つのSARデータセットによる実験結果から、我々のWBANetは現代最先端の手法を著しく上回っていることが明らかとなった。
我々のWBANetは、それぞれのデータセットで98.33%、96.65%、96.62%の正確な分類(PCC)を達成している。
論文 参考訳(メタデータ) (2024-07-18T04:36:10Z) - 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) - Siamese Meets Diffusion Network: SMDNet for Enhanced Change Detection in
High-Resolution RS Imagery [7.767708235606408]
我々は,新しいネットワークであるSiamese-U2Net Feature Differential Meets Network (SMDNet)を提案する。
このネットワークは、画像エッジ変化検出の精度を向上させるために、Siam-U2Net Feature Differential (SU-FDE)とデノイング拡散暗黙モデルを組み合わせる。
特徴抽出モデルと拡散モデルを組み合わせることで,リモートセンシング画像における変化検出の有効性を示す。
論文 参考訳(メタデータ) (2024-01-17T16:48:55Z) - BD-MSA: Body decouple VHR Remote Sensing Image Change Detection method
guided by multi-scale feature information aggregation [4.659935767219465]
リモートセンシング画像変化検出(RSCD)の目的は、同じ場所で撮影された両時間画像の違いを検出することである。
深層学習はRSCDタスクに広く使われており、結果認識の点で重要な結果をもたらしている。
論文 参考訳(メタデータ) (2024-01-09T02:53:06Z) - Unified Frequency-Assisted Transformer Framework for Detecting and
Grounding Multi-Modal Manipulation [109.1912721224697]
本稿では、DGM4問題に対処するため、UFAFormerという名前のUnified Frequency-Assisted TransFormerフレームワークを提案する。
離散ウェーブレット変換を利用して、画像を複数の周波数サブバンドに分解し、リッチな顔偽造品をキャプチャする。
提案する周波数エンコーダは、帯域内およびバンド間自己アテンションを組み込んだもので、多種多様なサブバンド内および多種多様なフォージェリー特徴を明示的に集約する。
論文 参考訳(メタデータ) (2023-09-18T11:06:42Z) - 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) - Robust Domain Adaptive Object Detection with Unified Multi-Granularity Alignment [59.831917206058435]
ドメイン適応検出は、ターゲットドメイン上の検出器の一般化を改善することを目的としている。
近年のアプローチは、異なる粒度の特徴アライメントを通じて、逆学習を通じてドメイン適応を実現する。
ドメイン不変な特徴学習のための統合多重粒度アライメント(MGA)に基づく検出フレームワークを提案する。
論文 参考訳(メタデータ) (2023-01-01T08:38:07Z) - IDAN: Image Difference Attention Network for Change Detection [3.5366052026723547]
リモートセンシング画像変化検出のための新しい画像差分注意ネットワーク(IDAN)を提案する。
IDANは、画像の地域的特徴とエッジ的特徴の違いを考慮し、抽出した画像特徴を最適化する。
実験の結果、IDANのF1スコアは、WHUデータセットとLEVIR-CDデータセットのベースラインモデルと比較して1.62%と1.98%改善していることが示された。
論文 参考訳(メタデータ) (2022-08-17T13:46:13Z) - 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) - Super-resolution-based Change Detection Network with Stacked Attention
Module for Images with Different Resolutions [20.88671966047938]
環境保護と都市計画において,変化検出は重要な役割を担っている。
従来のサブピクセルに基づく、解像度の異なる画像による変更検出は、重大なエラー蓄積につながる可能性がある。
注目モジュールを積み重ねた超解像型変化検出ネットワーク(SRCDNet)を提案する。
論文 参考訳(メタデータ) (2021-02-27T11:17:40Z) - Semantic Change Detection with Asymmetric Siamese Networks [71.28665116793138]
2つの空中画像が与えられた場合、セマンティックチェンジ検出は、土地被覆のバリエーションを特定し、それらの変化タイプをピクセルワイド境界で識別することを目的としている。
この問題は、正確な都市計画や天然資源管理など、多くの地球ビジョンに関連するタスクにおいて不可欠である。
本研究では, 広く異なる構造を持つモジュールから得られた特徴対を用いて意味変化を同定し, 同定するための非対称システマネットワーク(ASN)を提案する。
論文 参考訳(メタデータ) (2020-10-12T13:26:30Z)
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。