グラフベース知識補足ネットワークによる合成開口レーダ画像からの変化検出【JST・京大機械翻訳】

Wang Junjie; Gao Feng; Dong Junyu; Zhang Shan; Du Qian

プレプリント

J-GLOBAL ID：202202209481643547 整理番号：22P0278114

グラフベース知識補足ネットワークによる合成開口レーダ画像からの変化検出【JST・京大機械翻訳】

Change Detection from Synthetic Aperture Radar Images via Graph-Based Knowledge Supplement Network

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (5件)： , , , ,
資料名：
発行年： 2022年01月21日プレプリントサーバーでの情報更新日： 2022年02月09日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

合成開口レーダ(SAR)画像変化検出は,リモートセンシング画像解析の分野では,極めて挑戦的な課題である。ほとんどの以前の研究は,その後の訓練と試験を導くために擬似ラベル付きサンプルを使用する自己監督法を採用する。しかし,深いネットワークは一般にパラメータ最適化のために多くの高品質サンプルを必要とする。擬似ラベルにおける雑音は,必然的に最終変化検出性能に影響する。この問題を解決するために,グラフベースの知識補足ネットワーク(GKSNet)を提案した。より特異的であるために,著者らは追加知識として既存のラベル付きデータセットから識別情報を抽出して,ノイズのあるサンプルの悪影響をある程度抑制した。その後,グラフ転送モジュールを設計し,データセット間の特徴相関を橋渡しする,ラベル付きデータセットからターゲットデータセットまで,文脈情報を蒸留する。提案した方法を検証するために,4つのSARデータセットに関する広範な実験を行い,いくつかの最先端のベースラインと比較して,提案したGKSNetの優位性を実証した。著者らのコードはhttps://github.com/summitgao/SAR_CD_GKSNetで利用可能である。【JST・京大機械翻訳】

, , , , , , , ,
, , , , , , , 【Automatic Indexing@JST】

人工知能 , パターン認識

, , , ,

前のページに戻る