원격 탐사 이미지 분석

Accedi

approfondimento - 원격 탐사 이미지 분석

복잡한 토지 피복 분류를 위한 공간-분광 신뢰 대조 그래프 합성곱 신경망 (S2RC-GCN)

본 연구는 복잡한 토지 피복 분류를 위해 공간-분광 신뢰 대조 그래프 합성곱 신경망(S2RC-GCN)을 제안한다. S2RC-GCN은 1D-CNN과 2D-CNN을 결합하여 중요한 정보를 추출하고, 적응적 그룹 그래프 합성곱 모듈을 사용하여 그래프 표현을 향상시킨다. 또한 신뢰 대조 그래프 합성곱을 제안하여 더 효율적인 그래프 표현을 학습한다.

원격 탐사 이미지에 대한 채널 데이터 증강의 물리적 정보 일관성 평가

채널 증강 기법이 원격 탐사 이미지의 물리적 정보에 미치는 영향을 평가하는 접근법을 제안한다. 이를 통해 채널 증강 기법이 원래 이미지의 자연스러운 변동 범위 내에 있는지 확인할 수 있다.

원격 탐사 이미지에 대한 채널 데이터 증강의 물리적 정보 일관성 추정

채널 증강 기법이 원격 탐사 이미지의 물리적 정보에 미치는 영향을 평가하는 접근법을 제안한다. 이를 통해 채널 증강 기법이 자연스러운 변동 범위 내에 있는지 확인하고, 이를 기반으로 분류 성능 향상 여부를 분석한다.

일반 원격 탐사 이미지 건물 추출 및 변화 탐지를 위한 기반 모델

본 연구는 원격 탐사 이미지에서 건물 추출과 변화 탐지 작업을 통합하는 일반적인 기반 모델 RSBuilding을 제안한다. RSBuilding은 다중 레벨 특징 샘플러와 작업 프롬프트 기반 교차 주의 디코더를 통해 작업 간 시너지를 활용하고 다양한 장면에 걸쳐 일반화 능력을 향상시킨다.

Chi Siamo

Prodotti

Risorse