サインイン
インサイト - 원격 탐사 영상 분석
고해상도 원격 탐사 영상에서 점진적 관대한 감독을 통한 건물 윤곽 추출 가속화
본 논문은 건물 윤곽 추출 성능을 향상시키기 위해 효율적이고 효과적인 프레임워크인 BFSeg를 제안한다. BFSeg는 새로 개발된 인코더 네트워크를 원격 탐사 작업에 효과적으로 전이할 수 있는 경량 및 효과적인 디코더 네트워크와 부적절한 경계 영역 학습을 해결하기 위한 관대한 심층 감독 및 자기 증류 전략을 포함한다.
고해상도 원격 탐사 영상의 정확한 변화 탐지를 위한 국소화-정제 전략 기반 LRNet
LRNet은 국소화 단계와 정제 단계로 구성되어 있으며, 국소화 단계에서는 원본 영상 특징과 차분 특징을 동시에 추출하고 상호작용시켜 변화 영역의 위치를 정확히 파악하고, 정제 단계에서는 국소화 결과를 바탕으로 변화 영역과 경계를 제약하고 정제하여 정확한 변화 탐지 결과를 얻는다.
소수 샷 기반 원격 탐사 영상의 기억력 대조 학습을 통한 효율적인 방향성 객체 탐지
제한된 수의 주석 데이터로도 원격 탐사 영상에서 방향성 객체를 효과적으로 탐지할 수 있는 방법을 제안한다. 이를 위해 방향성 경계 상자와 기억력 대조 학습 기법을 활용하여 객체 탐지 성능을 향상시킨다.
© 2024 by Linnk AI