文献

J-GLOBAL ID：202202218779683388   整理番号：22A0456413

多視点リモートセンシング画像における自己教師付き変化検出【JST・京大機械翻訳】

Self-Supervised Change Detection in Multiview Remote Sensing Images

著者 (2件)： Chen Yuxing (Department of Information Engineering and Computer Science, University of Trento, Trento, Italy) ,  Bruzzone Lorenzo (Department of Information Engineering and Computer Science, University of Trento, Trento, Italy)
資料名： IEEE Transactions on Geoscience and Remote Sensing  (IEEE Transactions on Geoscience and Remote Sensing)
巻： 60  ページ： ROMBUNNO.5402812.1-12  発行年： 2022年 
JST資料番号： H0016B  ISSN： 0196-2892  CODEN： IGRSD2  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 異なる源と異なる時間(本論文における複数の見解として定義)から取得した大量の非標識リモートセンシングは,変化検出の機会と課題の両方を示す。最近,多くの生成モデルベースの方法が,そのようなラベルなしデータに関するリモートセンシング画像変化検出のために提案された。しかしながら,学習された特徴における高い多様性は,教師なし変化検出タスクにおける関連変化指標の識別を弱めた。さらに,これらの方法は大規模なアーカイブ画像に関する研究を欠いている。本研究では,ラベル無しマルチビュー設定に基づく自己監督変化検出手法を提案し,この限界を克服した。これはマルチビュー画像間の特徴アラインメントにおける多視点コントラスト損失の利用によって達成される。このアプローチでは,単一センサまたは交差センサ画像対の大きなデータセットにおいて,コントラスト的方法で事前訓練された2つの分岐間の出力を回帰するために,擬似Siameseネットワークを訓練した。最後に,2つの分岐の出力の間の特徴距離を用いて,最終的バイナリ変化マップを得るために閾値化によって解析できる変化測度を定義した。実験を2つの単一センサと3つの交差センサデータセットで行った。提案方法を,他の教師つきおよび教師なしの最先端の変化検出法と比較した。結果は,最先端の教師なし手法と提案したアプローチの両方の改善が,教師なしと教師つき変化検出の間のギャップを狭めることを示した。Copyright 2022 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： アラインメント ,  コントラスト ,  測度 ,  ネットワーク ,  *リモートセンシング ,  センサ
準シソーラス用語： 多視点画像 ,  変化検出 ,  生成モデル ,  *リモートセンシング画像 ,  バイナリー ,  マルチビュー , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (5件)： 視点 ,  リモートセンシング画像 ,  自己 ,  教師 ,  変化検出