- 博客(81)
- 收藏
- 关注
RSS订阅原创 Multi-Stage Frequency Attention Network for ProgressiveOptical Remote Sensing Cloud Removal论文翻译
云污染显著影响光学遥感图像（RSIs），降低其在地球观测中的实用性。传统的去云技术通常依赖深度学习，旨在整体图像重建，这可能无意中改变云-free 区域的内在特性，从而导致图像失真。为了解决这个问题，我们提出了一种多阶段频率注意力网络（MFCRNet），这是一个用于光学 RSI 去云的渐进性范式。MFCRNet 逐层部署频率去云模块（FCRMs），以精细处理云边缘，同时保留频率域中非云区域的原始特征。具体而言，FCRM 从频率注意块（FAB）开始，该块将特征转换到频率域，从而增强云覆盖和无云区域之间的差异。
2024-09-23 10:32:16
654
原创 IEEE投稿 IEEE Geoscience and Remote Sensing Letters
撰写文章并准备好图形后，您可以提交文章以供审核。请按照以下步骤完成 IEEE 文章提交流程。检查您的文章是否符合目标期刊的投稿指南后，您就可以提交了。按照这些提示选择合适的期刊。不遵守指南可能会导致您的提交处理延迟、未经审核而被拒绝或您发表的文章出现错误。所有 IEEE 期刊均在期刊或学会网站上发布的“作者信息”部分中提供提交指南。您将进入期刊的在线投稿系统，该系统将引导您完成投稿流程。Xplore上期刊主页的“关于”选项卡中找到。上期刊主页上的“提交您的稿件”按钮。选择出版物类型，我们的是期刊。
2024-09-21 16:19:24
317
原创 Fast Thick Cloud Removal for Multi-Temporal Remote Sensing Imagery via Representation Coefficien论文翻译
这是通过在一个大的搜索窗口内搜索并分组相似的图像块来实现的，从而促进构建的高阶张量的低秩性。受到 [33] 的启发，Zheng 等人 [34] 引入了一种新的分解框架，称为空间-光谱-时间 (SST) 连接张量网络分解，有效探索多时相图像中的丰富 SST 关系。在多时相厚云去除的背景下，给定 h × w 像素的 c 通道图像 Y ∈ R^(h×w×c×t)，该图像是在 t 个时间戳下捕获的，Y 被视为部分观察数据，其中被厚云遮挡的像素为缺失值。因此，开发高效的云去除算法以保持高性能成为一个引人注目的挑战。
2024-09-19 10:09:15
436
原创 英语六级-学习
听力练习，基础好选择标准VOA和BBC。基础差选择VOA慢速。听力内容包括不受政治争议的内容，社会生活类(奇闻趣事、日常生活)、经济类(商务、职场相关)、环保类、互联网类---------根据各类主题快速找到录音材料中心点。研究听力中同义替换的词汇。
2024-09-19 10:08:57
1046
原创 Cloud Removal in Remote Sensing Using Sequential-BasedDiffusion Models论文翻译
Cloud Removal in Remote Sensing Using Sequential-BasedDiffusion Models论文翻译
2024-09-18 21:01:44
686
原创 Unsupervised remote sensing image thin cloud removal method based on contrastive learning论文翻译
Unsupervised remote sensing image thin cloud removal method based on contrastive learning论文翻译
2024-09-18 21:00:46
838
原创 Uncertainty-Based Thin Cloud Removal Networkvia Conditional Variational AutoencodersHaidong Ding论文翻译
accv 2022论文名称: 基于不确定性的条件变分自编码器薄云去除网络论文地址代码地址摘要：现有的薄云去除方法将这一图像修复任务视为一个点估计问题，并通过确定性流程生成单一的无云图像。本文提出了一种基于条件变分自编码器（CVAE）的新型薄云去除网络，能够为每个输入的云图像生成多种合理的无云图像。我们通过概率图模型分析图像降解过程，并以编码器-解码器的方式设计网络。由于从潜在空间的采样具有多样性，该方法可以避免单一估计不准确所带来的缺陷。
2024-09-14 20:54:32
893
原创 Fast Thick Cloud Removal for Multi-Temporal Remote SensingImagery via Representation Coefficient论文翻译
例如，Liu 等人[16,17]引入了核范数的和（SNN）用于一般的张量补全问题，后来在多时相图像厚云去除中得到了广泛应用。受[33]的启发，Zheng等人[34]引入了一种新颖的分解框架，称为空间-光谱-时间（SST）连接张量网络分解，有效地探索了多时相图像中的丰富SST关系。在多时相厚云去除的背景下，给定具有 t 个时间戳的 h × w 像素的 c 通道图像 Y ∈ ℝ^(h×w×c×t)，Y 被视为部分观察的数据，其中被厚云遮挡的像素是缺失的。在这里，表示系数有效捕捉了原始张量数据的视觉上下文。
2024-09-14 20:53:48
549
原创 Thick Cloud Removal in Multitemporal RemoteSensing Images via Low-Rank RegularizedSelf-Supervised 翻译
IEEE 2024论文翻译 基于低秩正则化自监督网络的多时相遥感图像厚云去除摘要—厚云的存在覆盖了光学遥感图像（RSIs）的全面地球观测。去除云层是提高RSIs后续应用的有效且经济的预处理步骤。基于深度学习（DL）的方法受到广泛关注，并取得了最先进的成果。然而，大多数这些方法存在以下问题：1）忽视了RSIs的物理特性；2）需要带云和无云的配对图像或额外辅助图像；3）需要云掩膜。这些问题可能限制了现有网络的灵活性。
2024-09-10 14:38:02
1040
原创 Multi-Head Linear Attention Generative Adversarial Network for Thin Cloud Removal 论文翻译
用于薄云去除的多头线性注意力生成对抗网络 论文翻译
2024-09-10 14:37:06
934
原创 IEEE投稿模板翻译
本文档是Microsoft Word的模板。如果你更喜欢使用LaTeX，可以从https://template-selector.ieee.org/secure/templateSelector/publicationType下载IEEE的LaTeX样式和示例文件。
2024-09-09 09:39:47
599
原创 Denoising Diffusion Probabilistic Feature-Based Network forCloud Removal in Sentinel-2 Imagery论文翻译
mdpi2023 基于扩散概率特征网络的Sentinel-2图像去云去噪论文翻译
2024-09-03 14:46:19
907
原创 Thin cloud removal in optical remote sensing images based on generative adversarial networks 论文翻译
云层污染是一个不可避免的问题光学遥感图像。与厚云不同，薄云不会完全遮挡背景，这使得恢复背景信息成为可能。本文提出了一种基于生成对抗网络(GANs)和云变形物理模型(CR-GAN-PM)的半监督去薄云方法。本文还定义了一个考虑云吸收的云畸变物理模型。值得注意的是，许多基于深度学习的最先进方法需要来自同一区域的成对云和无云图像，而收集这些图像通常是不可用的或耗时的。CR-GAN-PM有两个主要步骤:首先，基于GANs和图像分解原理，从输入的有云图像中分解出无云背景和云失真层；
2024-09-03 14:45:59
681
原创 Cloud removal using SAR and optical images via attention mechanism-based GAN论文翻译
Cloud removal using SAR and optical images via attention mechanism-based GAN论文翻译
2024-08-26 14:32:50
945
原创 AlphaPose: Whole-Body Regional Multi-PersonPose Estimation and Tracking in Real-Time 论文翻译
AlphaPose: Whole-Body Regional Multi-PersonPose Estimation and Tracking in Real-Time论文翻译
2024-08-24 08:32:56
883
原创 Missing information reconstruction integrating isophote constraint and color-structure contro（论文翻译）
‘结合等照线约束和颜色-结构控制的遥感数据缺失信息重建’论文全文翻译
2024-08-24 08:31:48
838
原创 Tied and Anchored Stereo Attention Network for Cloud Removal in Optical代码运行
基于固定锚定立体注意力网络的光学遥感图像去云方法代码运行
2024-08-13 20:43:23
270
原创 Cloud and Fog removal System using Generative Adversarial Networks - Satellite Image Processing代码运行
使用生成对抗网络从卫星图像中去除云和雾代码运行
2024-08-13 20:38:19
489
原创 Learning to Upsample by Learning to Sample论文翻译
我们提出了DySample，一个超轻量且有效的动态上采样器。最近基于卷积核的动态上采样器（如CARAFE、FADE和SAPA）展现出了令人瞩目的性能提升，但它们引入了大量的工作量，主要是由于耗时的动态卷积和用于生成动态卷积核的额外子网络。此外，FADE和SAPA对高分辨率特征引导的需求在一定程度上限制了它们的应用场景。为了解决这些问题，我们绕过动态卷积，从点采样的角度制定上采样方法，这种方法更加资源高效，并且可以很容易地在PyTorch的标准内置函数中实现。
2024-07-15 10:12:33
1138
原创 DETRs Beat YOLOs on Real-time Object Detection论文翻译
cvpr2024 DETR在实时目标检测上击败YOLO论文翻译
2024-07-01 10:33:51
1105
原创 DiffCR: A Fast Conditional Diffusion Frameworkfor Cloud Removal from Optical Satellite Images论文翻译
IEEE 2024 DiffCR:一种用于光学卫星云图去云的快速条件扩散框架论文翻译
2024-07-01 10:25:03
975
原创 CVPR2023 DiffBIR: Towards Blind Image Restoration with Generative Diffusion Prior模型训练
CVPR2023 DiffBIR模型训练
2024-05-11 19:07:58
1131
2
原创 IDF-CR: Iterative Diffusion Process forDivide-and-Conquer Cloud Removal inRemote-sensing Images论文翻译
TGRS2024论文 IDF-CR：迭代扩散法去除遥感图像中的分治云论文的全文翻译
2024-05-11 18:58:18
892
原创 Memory augment is All You Need for image restoration 论文翻译
图像恢复网络MemoryNet-Memory augment is All You Need for image restoration 论文翻译
2024-04-28 15:54:51
1338
原创 Cloud Removal in Optical Remote Sensing ImageryUsing Multiscale Distortion-Aware Networks论文翻译
MSDA-CR网络，Cloud Removal in Optical Remote Sensing ImageryUsing Multiscale Distortion-Aware Networks 论文翻译
2024-04-28 11:03:19
983
原创 超分辨率遥感图像去云的扩散增强训练
load_state_dict方法参数的官方说明 strict 参数默认是true，他的含义是 是否严格要求state_dict中的键与该模块的键返回的键匹配。在报错代码guided_diffusion/diff/gaussian_diffusion_enhance.py路径下，将strict=True改为strict=False。super_res_train.py中的os.environ["CUDA_VISIBLE_DEVICES"] = "1" 改为0，电脑默认的cuda是0。
2024-04-25 10:35:25
913
原创 我的创作纪念日
学习工作过程中，记录一下自己的学习过程，同时给网友们提供一些解答的思路。提示：你过去写得最好的一段代码是什么？要了解工作的整个流程，整体来学习，这样才能控制全局。多看看csdn上其他大佬的经验，集百家之所长。提示：当前创作和你的工作、学习是什么样的关系。提示：可以和大家分享最初成为创作者的初心。可能是yolo系列的代码把，有很多。提示：在创作的过程中都有哪些收获。创作花费的时间并不多，用心做。提示：职业规划、创作规划等。
2024-04-23 19:15:27
322
原创 Diffusion Enhancement for Cloud Removal in Ultra-Resolution Remote Sensing Imagery论文翻译
超分辨率遥感图像去云的扩散增强方法论文翻译
2024-04-19 10:13:26
1205
原创 论文对比实验
MmDMs是一种新颖的扩散模型，用于重建去噪扩散概率模型（DDPMs）的逆过程，以整合来自辅助模态（例如，对云层干扰具有鲁棒性的合成孔径雷达）的附加信息，帮助学习主模态（即光学卫星图像）的分布。通过实现控制网改进稳定扩散。从方法论的角度来看，提出了一种新的基于扩散的纹理细节恢复框架，称为扩散增强（DE），用于执行渐进纹理细节恢复，这在提高推理精度的同时减轻了训练难度。在新建立的CUHK-CR和现有数据集（如RICE）上的大量实验证实，所提出的DE框架在感知质量和信号保真度方面都优于现有的基于DL的方法。
2024-04-17 10:06:36
1073
原创 Always Clear Days: Degradation Type andSeverity Aware All-In-One Adverse WeatherRemoval论文翻译
Always Clear Days: Degradation Type andSeverity Aware All-In-One Adverse WeatherRemoval论文翻译
2024-04-11 20:13:35
1311
原创 Continual All-in-One Adverse Weather Removalwith Knowledge Replay on a Unified NetworkStructure模型运行
Continual All-in-One Adverse Weather Removalwith Knowledge Replay on a Unified NetworkStructure模型运行，解决去云去雨去雪去雾问题
2024-04-04 15:52:31
717
原创 报错解决--01权限不够，加user
'D:\\an\\anaconda\\envs\\yolov8\\Lib\\site-packages\\~umpy\\core\\_multiarray_tests.cp38-win_amd64.pyd' Consider using the `--user` option or check the permissions.我在安装包 albumentations 时，出现了以上问题，出现以上代码是权限不够，文章已经提示加--user。代码能够正常安装了，
2024-03-11 09:35:13
436
原创 DEYO: DETR with YOLO for End-to-End Object Detection论文翻译
DETR的训练范式在很大程度上取决于在ImageNet数据集上预训练其骨干。然而，由图像分类任务和一对一匹配策略提供的有限监督信号导致DETR的预训练不充分的颈部。此外，在训练的早期阶段匹配的不稳定性会导致DETR的优化目标不一致。为了解决这些问题，我们设计了一种创新的培训方法，称为逐步培训。具体来说，在训练的第一阶段，我们采用一个经典的检测器，用一对多的匹配策略进行预训练，以初始化端到端检测器的主干和颈部。在训练的第二阶段，我们冻结了端到端检测器的主干和颈部，需要从头开始训练解码器。
2024-03-07 15:25:01
1671
原创 YOLOv9: Learning What You Want to Learn Using Programmable Gradient Information论文翻译
cvpr2024 YOLOv9论文翻译
2024-03-04 08:18:19
1056
基于注意机制的GAN用于SAR和光学图像去云
2024-08-13
YoloV5（You Only Look Once Version 5）
2023-10-24
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人