- 博客(107)
- 收藏
- 关注
RSS订阅原创 TGRS2023/遥感/目标检测：CoF-Net: A Progressive Coarse-to-Fine Framework for Object Detection
本文提出了一种新颖的由粗到精的遥感图像目标检测框架( CoF-Net )。CoF - Net主要由两个并行分支组成，即由粗到精的特征自适应( CoF-FA )和由粗到精的样本分配( CoF-SA )，分别旨在逐步增强特征表示和选择更强的训练样本。具体来说，CoF - FA将原始的粗特征平滑地细化为具有判别性空谱细节和语义关系的多光谱非局部精细特征。同时，CoF - SA通过在训练过程中逐步引入几何和分类约束进行样本分配，动态地从粗到细考虑样本。
2023-02-13 17:26:36
2094
原创 代码阅读：基于扩散模型的标签高效语义分割Label-efficient semantic segmentation with diffusion models
代码阅读：基于扩散模型的标签高效语义分割Label-efficient semantic segmentation with diffusion models
2022-12-10 21:26:40
1589
3
原创 ICLR2022/扩散模型/语义分割：基于扩散模型的标签高效语义分割Label-efficient semantic segmentation with diffusion models
在本文中，我们证明了扩散模型也可以作为语义分割的工具，特别是在标签数据稀缺的情况下。特别是，对于几个预训练的扩散模型，我们研究了来自执行反向扩散过程的马尔可夫步骤的网络的中间激活。我们表明，这些激活有效地从输入图像中捕获语义信息，并且似乎是分割问题的优秀像素级表示。基于这些观察结果，我们描述了一种简单的分割方法，即使只提供少数训练图像，该方法也可以工作。我们的方法在多个数据集上显著优于现有的替代方法，以实现相同的人工监督量
2022-12-09 15:45:34
5204
6
原创 扩散模型：Diffusion models as plug-and-play priors作为即插即用先验的扩散模型
我们考虑在一个由先验p(x)和辅助可微约束c(x,y)组成的模型中推断高维数据的问题。在本文中，先验是一个独立训练的去噪扩散生成模型。辅助约束预计具有可微形式，但可以来自不同的来源。这种推断的可能性将扩散模型转化为即插即用模型，从而允许在适应模型的领域和任务（如条件生成或图像分割）方面的一系列潜在应用。
2022-12-06 12:27:43
3516
1
原创 扩散模型:方法和应用的综合综述Diffusion Models: A Comprehensive Survey of Methods and Applications
在这个综述中，我们提供了一个关于扩散模型的快速扩展的工作的概述，将研究分为三个关键领域:有效抽样，改进的似然估计，和处理具有特殊结构的数据。我们还讨论了将扩散模型与其他生成模型相结合以增强结果的潜力。
2022-12-04 21:05:12
2370
原创 TGRS2022/云检测：Category Correlation and Adaptive Knowledge Distillation 类别相关和自适应知识蒸馏在遥感图像致密云检测中的应用
提出了一种新的类别相关和自适应KD (CAKD)框架用于轻量级云检测网络。我们设计了一个类别关系上下文(CRC)模块，从教师和学生网络中提炼结构化的像素-类别相关性。然后，我们进行类别相关蒸馏(CCD)，使学生模型更好地解决类内一致性和类间差异，从而减少类别混淆。此外，利用像素自适应蒸馏(PAD)模块提取教师的像素预测概率，自适应地传递教师模型的软输出知识。
2022-12-03 16:22:48
792
2
原创 RSE2021/云检测：Automatic cloud and cloud shadow detection in tropical areas用于PlanetScope热带地区自动云和云阴影检测
开发了一种用于自动云和阴影筛选的时空集成方法(“STI-ACSS”)，包括两个步骤:(1)通过自适应阈值方法集成空间(即单个PlanetScope图像的云/阴影指数)和时间(即PlanetScope图像时间序列中的反射异常值)信息，生成云/阴影的初始掩码;(2)将形态学处理与基于对象的云和云阴影匹配相结合，对这些初始掩码进行两步微调，得到最终掩码。
2022-12-02 17:05:52
1544
1
原创 TIP2022/去雾：Variational Single Nighttime Image Haze RemovalWith a Gray Haze-Line Prior具有灰色雾霾线先验的变分去雾
通过统计分析和理论分析，我们提出了一种简单有效的灰霾线先验(GHLP)来精确识别雾霾特征区域。这一先验证明了雾霾集中在RGB颜色空间的雾霾线上，可以精确投影到YUV颜色空间Y通道的灰色分量上。在此基础上，我们建立了一种新的统一的夜间雾霾去除框架，并将夜间雾霾图像分解为YUV颜色空间中的彩色和灰度分量。发光色彩校正和去雾是夜间除雾过程中两个重要的连续步骤。发光颜色校正方法被设计为分别去除颜色成分中的发光和增强灰色成分中的照明。
2022-11-26 22:24:56
2478
4
原创 RSE2021/云检测:基于小波变换和连续多尺度空间注意的上下块深度网络云检测
我们提出了一种检测高分一号WFV图像中云像素的方法。该方法采用深度网络对多尺度全局特征进行学习，将特征学习过程中获得的高级语义信息与低级空间信息相结合，将图像划分为云区域和非云区域。此外，利用Haar小波变换设计Up和Down块，充分利用图像的结构信息，特别是云的纹理信息，可以有针对性地学习。我们关注图像的原始信息，以辅助网络的学习。此外，我们还利用暗通道先验，通过在网络中的多尺度特征图中添加注意机制，设计了一个连续多尺度空间注意模块，以提供持续的性能改进
2022-11-22 21:40:17
1519
原创 TGRS2020/云检测：Deep Matting for Cloud Detection in Remote Sensing Images深度抠图在遥感图像云检测中的应用
本文从云图像的遥感成像机制出发，从一个完全不同的角度重新审视云检测，即将云检测定义为前景和背景图像的混合能量分离。这一过程可以在基于深度学习的图像抠图框架下进一步等效地实现，具有明确的物理意义。更重要的是，该方法能够在统一的框架下处理三个不同但相关的任务，即“云检测”、“云去除”和“云量评估”。在三个卫星图像数据集上的实验结果证明了我们的方法是有效的，特别是对遥感图像中较复杂但常见的例子，如薄云和卷云。
2022-11-17 16:15:21
1424
原创 CVPR2022自适应/语义分割：Class-Balanced Pixel-Level Self-Labeling for Domain Adaptive Semantic Segmentation
域自适应语义分割的目的是在监督源域数据的情况下学习模型，并在未标记的目标域上产生令人满意的密集预测。为解决上述问题，我们建议直接探索目标域数据的内在像素分布，而不是过度依赖源域。具体来说，我们同时对像素进行聚类，并使用获得的聚类分配对标签进行整流。这个过程以在线的方式完成，因此伪标签可以与分割模型共同进化，而不需要额外的训练。为了克服长尾类的类不平衡问题，我们采用一种分布对齐技术，使簇分配的边缘类分布接近于伪标签的边缘类分布。所提出的方法，即类平衡像素级自标记(CPSL)
2022-11-01 12:02:28
1990
原创 UDA/语义分割/ICCV2021:Dual Path Learning for Domain Adaptation of Semantic Segmentation语义分割领域自适应的双路径学习
本文基于在源域和目标域中执行的域自适应框架在图像翻译和SSL方面几乎是互补的这一观察，我们提出了一种新的双路径学习（DPL）框架来缓解视觉不一致性。事实上，DPL包含两条互补的、交互的、分别在源域和目标域对齐的单域适配管道。DPL的推理非常简单，仅在目标域中使用一个分割模型。提出了双路径图像翻译和双路径自适应分割等新技术，使两条路径以交互方式相互促进。
2022-10-13 15:35:29
1384
原创 2022图像翻译/扩散模型：UNIT-DDPM: UNpaired Image Translation with Denoising Diffusion Probabilistic Models
我们提出了一种新的无配对图像间翻译方法，该方法使用去噪扩散概率模型而不需要对抗训练。我们的方法，UNpaired Image Translation with Denoising Diffusion Probabilistic Models(UNIT-DDPM)，训练一个生成模型，通过最小化另一个域条件下的去噪分数匹配目标，推断图像在两个域上的联合分布作为马尔可夫链。
2022-10-11 11:56:29
8014
8
原创 深度学习：Diffusion Models in Vision: A Survey视觉中的扩散模型:综述
在这个综述中，我们提供了在视觉中应用去噪扩散模型的文章的综合综述，包括在该领域的理论和实践贡献。首先，我们确定并提出了三种通用的扩散建模框架，它们基于去噪扩散概率模型、噪声条件评分网络和随机微分方程。我们进一步讨论了扩散模型和其他深层生成模型之间的关系，包括变分自编码器、生成对抗网络、基于能量的模型、自回归模型和归一化流。然后，介绍了计算机视觉中扩散模型的多视角分类。最后，我们说明了目前扩散模型的局限性，并展望了未来研究的一些有趣的方向
2022-10-06 12:01:06
4376
1
原创 风格迁移：一文梳理经典方法发展脉络及原理:Gram矩阵、WCT、WCT2
主要简单介绍了风格迁移发展的经典方法。，包括Gram矩阵、WCT、WCT2
2022-09-30 15:17:02
3719
原创 AAAI2020/风格迁移:Ultrafast Photorealistic Style Transfer via Neural Architecture基于神经结构搜索的超快逼真风格转移
我们的方法由构造步(C-step)和加速步(P-step)组成，前者用于构建逼真的风格化网络。在c步中，我们提出了一个基于精心设计的预分析的密集自编码器PhotoNet。PhotoNet集成了特征聚合模块(BFA)和实例归一化跳过链路(INSL)。为了生成真实的风格化图像，我们在解码器和INSLs中引入了多种样式传输模块。PhotoNet在效率和有效性方面都明显优于现有算法。在p步中，我们采用神经结构搜索方法来加速PhotoNet。在师生学习模式下提出了一种自动网络修剪框架，实现了逼真的风格化。
2022-09-28 15:54:38
2244
3
原创 ISPRS2022/遥感：Cross-spatiotemporal LULC from VHR remote sensing images基于深度学习域适应的VHR遥感影像跨时空土地覆盖分类
在此基础上，提出了一种新的两阶段域自适应跨时空分类方法DACST，该方法的输入源数据为有标记的，目标数据为无标记的。它由图像级适应阶段和特征级适应阶段组成，前者对齐源数据和目标数据的外观并生成目标程式化的源图像，后者进一步缩小深度特征空间中的域偏移。DACST显著提高了嵌入在特征级自适应阶段的分类模型的时空可移植性，从而输出令人满意的分类地图。
2022-09-26 17:28:56
2177
3
原创 CVPR2019:Domain-Specific Batch Normalization for Unsupervised Domain Adaptation无监督域适配的特定域批处理规范化
我们在深度神经网络中提出了一种新的基于领域特定批归一化的无监督领域自适应框架。我们的目标是通过在卷积-卷积神经网络中专门化批归一化层，同时允许它们共享所有其他模型参数，从而适应这两种领域，这是通过两阶段算法实现的。在第一阶段，我们使用外部无监督域自适应算法(例如ample, MSTN[27]或CPUA[14])来估计目标域中示例的伪标签，该算法集成了提出的特定于域的批处理归一化。第二阶段使用源和目标域的多任务分类损失学习最终模型。注意，两个域在两个阶段都有单独的批处理规范化层。
2022-09-13 22:03:58
2248
原创 CVPR2022:Generalizable Cross-modality Medical Image Segmentation via StyleAugmentation and Dual Norm
我们在本文中提出了一种新的双归一化模型，在我们的广义分割过程中利用增强的源相似图像和源不同图像。具体来说，在给定单个源域的情况下，为了模拟在不可见的目标域中可能出现的外观变化，我们首先利用非线性变换来增强源相似图像和源不同图像。然后，为了充分利用这两种类型的增强，我们提出的基于双归一化的模型使用一个共享的骨干但独立的批归一化层进行单独的归一化。然后，我们提出了一种基于样式的选择方案来自动选择测试阶段的合适路径。
2022-09-12 21:26:11
3472
3
原创 TGRS2021:Road Segmentation for Remote Sensing ImagesUsing Adversarial Spatial Pyrami对抗性空间金字塔网络的道路分割
我们引入了一种新的模型，将结构化域自适应应用于合成图像的生成和道路分割。我们将特征金字塔(FP)网络引入生成式对抗网络，以最小化源域和目标域之间的差异。一个发生器被学习产生高质量的合成图像，而鉴别器试图区分它们。我们还提出了一个FPnetwork，通过从网络的所有层中提取有效的特征来描述不同尺度的对象，从而提高了所提模型的性能。
2022-09-07 17:30:59
2084
原创 IEEE2022/遥感：Stagewise UnsupervisedDomain Adaptation WithAdversarial Self-Training for Road Segmentat
在本文中，我们提出了一种新的阶段域适应模型，称为RoadDA，以解决该领域的DS问题。在第一个阶段，RoadDA通过基于生成对抗网络(GANs)的域间适应，使目标域特征与源域特征保持一致。设计了一种特征金字塔融合模块，避免了狭长道路的信息丢失，并学习了判别性和鲁棒性特征。此外，为了解决目标域的域内差异，在第二阶段，我们提出了一种对抗性的自训练方法。我们使用训练好的生成器生成目标域的伪标签，并根据道路置信度得分将其划分为易分割和难分割。通过对抗性学习，将硬分割特征与易分割特征相结合，并重复域内适应过程，逐步提
2022-09-06 14:58:57
942
原创 RSE2022/云检测：A hybrid generative adversarial network for weakly-supervised cloud detection 多光谱图像弱监督云检
本文提出了一种基于生成对抗网络（GAN）和基于物理的云失真模型（CDM）的协同组合的混合云检测方法。提出的弱监督GAN-CDM方法（在线可用https://github.com/Neooolee/GANCDM)训练只需要面片级标签，并且在训练和测试阶段都可以在像素级生成云掩模。
2022-09-06 09:54:23
1042
5
原创 ISPRS2018/云检测：Cloud/shadow detection based on spectral indices for multi/hyp基于光谱指数的多/高光谱光学遥感成像仪云/影检测
本文针对目前广泛应用的可见光和红外光谱通道的多光谱/高光谱光学遥感传感器，提出了一种基于光谱指数的统一云/影检测算法(CSD-SI)。一方面，提出了云指数(CI)和云阴影指数(CSI)，根据它们的物理反射特性来表示潜在的云和云阴影;此外，考虑云与云阴影的空间共存，采用空间匹配策略去除伪云阴影。在8种不同类型的光谱和空间分辨率的多光谱/高光谱光学传感器上验证了该算法的有效性。...
2022-07-23 20:54:24
2539
1
原创 RS2022/云检测：考虑域偏移问题的卫星图像半监督云检测Semi-Supervised Cloud Detection in Satellite Images by Considering the
我们在半监督学习(SSL)网络中考虑了域转移问题。通过特征级和输出级的域适配，减小了有标记图像和无标记图像之间的域分布差距，提高了SSL网络预测结果的准确性。在Landsat-8 OLI和GF-1 WFV多光谱图像上的实验结果表明，在使用有限数量的标记样本时，所提出的半监督云检测网络(SSCDnet)能够实现有前景的云检测性能，并优于几种最先进的SSL方法。...
2022-07-14 16:53:35
1189
原创 TGRS2022/遥感：An Empirical Study of Remote Sensing Pretraining遥感预训练的实证研究
我们在迄今为止最大的RS场景识别数据集MillionAID的帮助下，从无开始训练不同的网络，以获得一系列RS预训练的骨干，包括卷积神经网络(CNN)和视觉转换器，如Swin和ViTAE，它们在计算机视觉任务中表现出了良好的性能。然后，我们研究了RSP对代表性下游任务的影响，包括场景识别、语义分割、目标检测和变化检测，使用这些CNN和视觉Transformer主干。......
2022-07-13 20:44:11
2216
1
原创 TGRS2020/遥感：Multisource Domain Adaptation for Remote Sensing Using Deep Neural Netw基于深度神经网络的遥感多源域自适应
在本文中，我们提出了一个可扩展但简单的自适应MDA (AMDA)框架来解决这个问题。AMDA还能够比现有基线更有效地处理不同来源之间不平衡的数据分布。我们还将最初为域扩展(DE)提出的两种技术扩展到DA任务。将AMDA和扩展的DE技术应用于LCZ分类问题。尽管AMDA很简单，但它能够比基线提高12%以上...
2022-07-12 14:39:58
1788
原创 TGRS2022/云检测：Unsupervised Domain Adaptation for Cloud Detection Based on Grouped Features Alignment
我们提出了一种无监督域自适应（UDA）方法，将源卫星标记图像上训练的模型推广到目标卫星的未标记图像。为了有效解决跨卫星图像的域偏移问题，我们开发了一种新的基于分组特征对齐（GFA）和熵最小化（EM）的UDA方法来提取域不变表示，以提高跨卫星图像的云检测精度。拟议的UDA方法在“Landsat-8→ ZY-3”“和”GF-1→ ZY-3“域适应任务上进行了评估。实验结果证明了我们的方法对现有最先进的UDA方法的有效性。...
2022-07-11 16:00:09
1264
原创 2022TGRS/云检测：用于遥感图像云检测的无监督域不变特征学习Unsupervised Domain-Invariant Feature Learning for Cloud Detection
我们提出了一种无监督域适应(UDA)方法，使在标记源卫星图像上训练的模型可以推广到未标记的目标卫星图像。具体而言，我们提出了一种细粒度特征对齐(FGFA)域适应策略，鼓励云检测网络提取域不变表示，这提高了云检测在未标记目标卫星图像中的准确性。该策略由两个步骤组成:1)基于注意引导机制的细粒度类相关特征选择和2)基于分组类相关特征对齐方法的类相关特征对齐(FA)。.........
2022-07-07 15:23:46
2393
原创 云检测2020：用于高分辨率遥感图像中云检测的自注意力生成对抗网络Self-Attentive Generative Adversarial Network for Cloud Detection
本文提出了一种新的半监督云检测算法，通过训练自注意力生成对抗网络（SAGAN）来提取云图像和无云图像之间的特征差异。我们的主要想法是将视觉注意力引入到生成“真实”无云图像的过程中。SAGAN的训练基于三个指导原则：扩展云区域的注意力地图，用翻译后的无云图像替换；减少注意力地图，使其与云边界重合；优化自注意力网络，以处理极端情况。...
2022-07-06 17:05:50
1402
原创 ISPRS2021/遥感影像云检测：一种地理信息驱动的方法和一种新的大规模遥感云/雪检测数据集
本文提出了一种用于云和雪检测的新型神经网络——地理信息驱动网络(GeoInfoNet)。除了使用图像数据外，该模型还集成了训练和检测阶段的地理信息。专门设计了“地理信息编码器”，将图像的海拔、纬度和经度编码为一组辅助地图，然后将其输入检测网络。该网络可以通过密集鲁棒特征提取和融合进行端到端训练。建立了用于云雪检测的新数据集“Levir_CS”，该数据集包含4168幅高分一号卫星图像和相应的地理记录，比该领域其他数据集大20多倍。......
2022-07-05 21:53:58
2021
1
原创 RSE2020/云检测：基于弱监督深度学习的高分辨率遥感图像精确云检测
本文提出了一种基于弱监督深度学习的云检测方法，该方法使用块级标签，仅指示一个遥感图像块中是否存在云。在训练阶段，提出了一种新的全局卷积池（GCP）操作，以增强特征映射表示有用信息（例如空间方差）的能力。在测试阶段，通过局部池修剪（LPP）策略修改经过训练的深度网络以生成云激活图（CAM），该策略修剪在训练阶段训练的深度网络的局部池层，以提高CAM的质量（例如，空间分辨率）。通过滑动窗口将一幅较大的遥感图像裁剪成多个重叠块，然后通过修改的深度网络生成每个块的CAM。......
2022-07-04 22:13:44
2502
12
原创 ISPRS2022/遥感影像云检测：Cloud detection with boundary nets基于边界网的云检测
为了准确捕捉云的可变视觉形式，我们提出了一种基于深度学习的策略，即边界网，该策略生成一个云掩码，用于检测一幅云图中的云。边界网由两个网络组成，即（a）可伸缩边界网和（b）可微边界网。可扩展边界网从云图像中提取多尺度特征，并通过多尺度融合模块综合表征具有可变边界尺度的云。可微边界网通过残差结构表征了多尺度云掩码和地面真实云掩码之间的差异。它生成一个差分云遮罩，作为多尺度云遮罩边界细节的补充。最后，通过融合多尺度云掩模和差分云掩模得到整体云掩模。......
2022-07-04 16:29:42
5343
21
原创 ISPRS2020/遥感云检测：Transferring deep learning models for cloud detection between Landsat-8 and Proba-V
考虑到获取信号的物理性质，我们提出了一种简单的迁移学习方法，使用Landsat-8和Proba-V传感器，它们的图像具有不同但相似的空间和光谱特征，利用一颗卫星的手动标记数据集来训练深度学习模型，用于云检测，可以应用(或转移)到其他卫星。......
2022-07-04 11:03:24
859
原创 遥感图像/UDA:Curriculum-Style Local-to-Global Adaptation for Cross-Domain Remote Sensing Image Segmentat
针对基于VHR rsi的跨域分割，本文提出的课程式自适应算法根据目标域内每个patch的熵值评分所获得的自适应困难程度，以一种易-难的方式进行自适应过程，很好地对齐了域图像中的局部patch。本文提出的局部到全局自适应算法实现了从局部语义特征差异到全局结构特征差异的特征对齐过程，由一个语义级域分类器和一个熵级域分类器组成，可以减少上述跨域特征差异。......
2022-06-28 21:59:03
1099
原创 图像翻译：UVCGAN: UNET VISION TRANSFORMER CYCLE-CONSISTENT GAN FOR UNPAIRED IMAGE-TO-IMAGE TRANSLATION
这项工作检查了是否用视觉Transformer(ViT)CycleGAN和使用先进的生成对抗网络(GAN)训练技术可以获得更好的性能。得出的UNet ViT周期一致GAN (UVCGAN)模型与之前在开放基准图像到图像翻译数据集、selfie2动漫和CelebA上表现最好的模型进行了比较。UVCGAN性能更好，并保留了原始图像和平移图像之间的强相关性。一项伴随消融研究表明，梯度惩罚和bert样的预训练也有助于改善。.........
2022-06-26 20:41:37
1942
原创 图像翻译/Transformer：ITTR: Unpaired Image-to-Image Translation with Transformers用Transfor进行非配对图像对图像的转换
在本文中，我们提出了一种有效的基于Transformer的非成对图像到图像翻译体系结构（ITTR）。它主要有两种设计：1）混合感知块（HPB），用于从不同感受域混合标记，以利用全局语义；2） 双剪枝自我注意（DPSA）可大幅降低计算复杂度。在六个基准数据集上，我们的ITTR在未配对图像到图像的翻译方面优于最新水平。.........
2022-06-26 17:27:23
2265
原创 图像翻译/GAN：Unsupervised Image-to-Image Translation with Self-Attention Networks基于自我注意网络的无监督图像到图像的翻译
提出了一种具有自我注意网络的无监督图像到图像的转换，其中长距离依赖不仅有助于捕获强烈的几何变化，而且还可以使用所有特征位置的线索生成细节。
2022-06-24 09:03:21
1024
原创 CVPR2019/图像翻译：TransGaGa: Geometry-Aware Unsupervised Image-to-Image Translation几何感知的无监督图像到图像的翻译
提出了一个新的解纠缠和翻译框架，以解决复杂的对象图像到图像的翻译任务。我们不直接学习图像空间上的映射，而是将图像空间分解为外观空间和几何潜在空间的笛卡尔积。具体地说，我们首先引入几何先验损失和条件VAE损失来鼓励网络学习独立但互补的表示。然后，翻译分别建立在外观和几何空间上。......
2022-06-23 15:13:57
974
原创 2018/GAN:Self-Attention Generative Adversarial Networks自我注意生成对抗网络
在本文中，我们提出了自我注意生成对抗网络(Self-Attention Generative Adversarial Network, SAGAN)，该网络允许对图像生成任务进行注意力驱动的长期依赖建模。在SAGAN中，可以使用所有特征位置的线索来生成细节。此外，该鉴别器还可以检查图像远处部分的高细节特征是否一致。我们将光谱归一化应用于GAN生成器，并发现这改善了训练动力学。提出的SAGAN比之前的工作表现更好.........
2022-06-21 21:31:50
1435
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人