論文の概要: Component Pooling Trained Across Orientations for Few-Shot Remote Sensing Scene Classification

• arxiv url: http://arxiv.org/abs/2610.33518v1
• Date: Sat, 24 Oct 2026 07:50:46 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-27 22:27:13.351672
• Title: Component Pooling Trained Across Orientations for Few-Shot Remote Sensing Scene Classification
• Title（参考訳）: Few-Shotリモートセンシングシーン分類のためのコンポーネントポーリング訓練
• Abstract要約: リモートセンシングシーン分類は,少数のラベル付き画像から新規シーンカテゴリを識別することを目的としている。 ほとんどのFSRSSCメソッドは、グローバル平均プーリングによって画像の特徴マップを要約する。 パラメータフリーなコンポーネントプーリングネットワークであるRoCoPを提案する。
• 参考スコア（独自算出の注目度）: 0.3823356975862005
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Few-shot remote sensing scene classification (FSRSSC) aims to recognize novel scene categories from only a few labeled images. Most FSRSSC methods summarize the feature map of an image by global average pooling, which treats the few objects that define an aerial scene and the large background around them alike, and they rarely consider that aerial images have no canonical orientation. To address these issues, we propose RoCoP, a parameter-free component pooling network trained across orientations. RoCoP consists of a feature extractor, a non-negative decomposition module (NDM) and a component scoring module (CSM). NDM factorizes the local descriptors of each image into a few additive components with a deterministic initialization and a single multiplicative update, so that the positions of one object are grouped together. CSM weights each component by its activation magnitude and converts the weights into a soft mask for pooling. Because both modules are invariant to permutations of feature positions, the only rotation-sensitive part of the pipeline is the backbone, which we train to classify randomly rotated views of every image. Experiments on NWPU-RESISC45, AID and UC Merced show that component pooling and rotated-view training are complementary: together they improve a strong transfer-learning baseline by about 2.5 points in 5-way 1-shot accuracy on NWPU-RESISC45 and AID, without adding parameters at inference. Under an identical protocol, RoCoP outperforms re-implemented metric-based and task-adaptive methods, and NDM and CSM also improve existing methods when plugged into them. We further identify the regime in which the method does not apply, namely very small base sets.
• Abstract（参考訳）: Few-shot リモートセンシングシーン分類 (FSRSSC) は,少数のラベル付き画像から新しいシーンカテゴリを認識することを目的としている。 FSRSSCのほとんどの手法は、空中シーンと周囲の大きな背景を定義する少数のオブジェクトを扱うグローバル平均プーリングによって、画像の特徴マップを要約している。 これらの問題に対処するために,パラメータフリーなコンポーネントプーリングネットワークであるRoCoPを提案する。 RoCoPは、特徴抽出器、非負分解モジュール(NDM)、成分スコアリングモジュール(CSM)から構成される。 NDMは、各画像の局所的な記述子を決定論的初期化と1つの乗法的更新を持ついくつかの付加的なコンポーネントに分解し、1つのオブジェクトの位置をグループ化する。 CSMは各コンポーネントをそのアクティベーションサイズで重み付けし、その重みをプール用の柔らかいマスクに変換する。 どちらのモジュールも特徴位置の置換に不変であるため、パイプラインの回転に敏感な部分はバックボーンのみであり、各画像のランダムに回転したビューを分類するように訓練する。 NWPU-RESISC45, AID, UC Mercedの実験は、コンポーネントプーリングと回転ビュートレーニングが相補的であることを示した。 同じプロトコルの下では、RoCoPは、再実装されたメトリックベースおよびタスク適応メソッドよりも優れており、NDMとCSMは、それらに接続する際の既存のメソッドも改善している。 さらに、この手法が適用されない状態、すなわち非常に小さな基底集合を同定する。

関連論文リスト

• PreCM: The Padding-based Rotation Equivariant Convolution Mode for Semantic Segmentation [10.748412559871621]
  本稿では、指向情報をより完全に活用することを目的とした、普遍的な畳み込みグループフレームワークを提案する。 次に、数学的にパディングベースの回転同変畳み込みモード(PreCM)を設計する。 意味的セグメンテーションタスクにおける画像回転の影響を定量的に評価するために,新たな評価指標である回転差(RD)を提案する。
  論文  参考訳（メタデータ） (2024-11-03T16:26:55Z)
• A$^{2}$-MAE: A spatial-temporal-spectral unified remote sensing pre-training method based on anchor-aware masked autoencoder [26.81539884309151]
  リモートセンシング(RS)データは、重要な空間情報、時間情報、スペクトル情報を含む、複数の次元にわたる地球観測を提供する。 RSデータの特徴に合わせた様々な事前学習手法にもかかわらず、重要な制限は持続する: 空間、時間、スペクトル情報を単一の統一モデルに効果的に統合できないことである。 本研究では,異なる種類の画像と地理情報から固有の補完情報を活用し,事前学習期間中にマスク付きパッチを再構築するアンカー・アウェア・マスク付きオートエンコーダ手法(A$2-MAE)を提案する。
  論文  参考訳（メタデータ） (2024-06-12T11:02:15Z)
• Mutual-Guided Dynamic Network for Image Fusion [51.615598671899335]
  画像融合のための新しい相互誘導動的ネットワーク(MGDN)を提案する。 5つのベンチマークデータセットによる実験結果から,提案手法は4つの画像融合タスクにおいて既存手法よりも優れていることが示された。
  論文  参考訳（メタデータ） (2023-08-24T03:50:37Z)
• Adaptive Rotated Convolution for Rotated Object Detection [96.94590550217718]
  本稿では、回転物体検出問題に対処するために、適応回転変換(ARC)モジュールを提案する。 ARCモジュールでは、コンボリューションカーネルが適応的に回転し、異なる画像に異なる向きのオブジェクト特徴を抽出する。 提案手法は,81.77%mAPのDOTA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） (2023-03-14T11:53:12Z)
• DPCN++: Differentiable Phase Correlation Network for Versatile Pose Registration [18.60311260250232]
  本稿では,世界規模で収束し,対応のない位相相関解法を提案する。 DCPN++は,2次元鳥眼視画像,3次元物体・シーン計測,医用画像など,入力モードが異なる幅広い登録タスクで評価される。
  論文  参考訳（メタデータ） (2022-06-12T10:00:34Z)
• Layout-to-Image Translation with Double Pooling Generative Adversarial Networks [76.83075646527521]
  入力レイアウトからフォトリアリスティックでセマンティックに一貫性のある結果を生成するための新しいDouble Pooing GAN(DPGAN)を提案する。 また,角形プールモジュール (SPM) と矩形プールモジュール (RPM) からなる新しい二重プールモジュール (DPM) を提案する。
  論文  参考訳（メタデータ） (2021-08-29T19:55:14Z)
• Rotation Invariant Aerial Image Retrieval with Group Convolutional Metric Learning [21.89786914625517]
  本稿では,グループ畳み込みとアテンション機構とメトリック学習を組み合わせることで,航空画像を取得する新しい手法を提案する。 その結果,提案手法の性能は,ローテーション環境とオリジナル環境の両方において,他の最先端の検索手法を上回ることがわかった。
  論文  参考訳（メタデータ） (2020-10-19T04:12:36Z)
• Batch Coherence-Driven Network for Part-aware Person Re-Identification [79.33809815035127]
  既存のパートアウェアの人物再識別方法は、通常、ボディ部分の検出と部分レベルの特徴抽出という2つのステップを使用する。 トレーニングフェーズとテストフェーズの両方で身体の一部をバイパスし,セマンティックに整合した機能を実現するNetworkBCDNetを提案する。
  論文  参考訳（メタデータ） (2020-09-21T09:04:13Z)

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。