Nov, 2023

利用激活最大化和生成对抗训练在卫星图像中识别和解释自然地区中的模式

PDF
TL;DR通过使用最大激活和生成对抗模型的新框架，本研究旨在生成能够完整有效解释定义自然真实性的保护区域的空间和光谱模式的卫星图像，进而推动对保护和野生地区形成模式的解释。这个研究的方法能够生成更精确的归因地图，指明保护区域的自然真实性的形成模式，并促进对保护自然地区生态完整性的理解，为未来的监测和保护工作做出贡献。
natural protected areasmappingactivation maximizationgenerative adversarial modelecological integrity
发现论文，激发创造
  • 远程感知图像中的数据增强和适应的条件生成对抗网络

    使用 GAN 将给定的标记遥感图像拓展成更大的数据集并评测其对于物体检测任务的性能提升。

    Aug, 2019

  • 从属性和语义布局学习生成室外场景图像

    探讨利用语义布局和场景属性，通过条件生成对抗网络体系结构生成具有真实感的户外场景图像

    Dec, 2016

  • 基于遥感分割 - GAN - 扩散的公园绿地全过程生成设计框架

    利用人工智能算法推动生成设计的发展在迅速进行。当前研究存在两个研究空白：1）大多数研究只关注设计元素之间的关系，对场地的外部信息关注较少；2）GAN 和其他传统的生成算法生成的结果分辨率低，细节不足。为了解决这两个问题，我们结合了 GAN、稳定扩散多模态大规模图像预训练模型，构建了一个全过程公园生成设计方法：1）首先构建高精度遥感目标提取系统，自动提取城市环境信息；2）其次，利用 GAN 构建基于外部环境的公园设计生成系统，可以从城市环境信息中迅速推断和生成设计方案；3）最后，引入稳定扩散来优化设计方案，填充细节，并将方案的分辨率扩大 64 倍。这种方法可以实现完全无人化的设计自动化工作流程。研究结果表明：1）场地内外的关系将影响算法生成结果；2）与传统的 GAN 算法相比，稳定扩散显著提高了生成结果的信息丰富度。

    Dec, 2023

  • 遥感图像增强

    本研究提出使用生成模型（GANs）为土地利用与覆盖（LULC）分类任务扩充 EuroSAT 数据集，并探索了使用 DCGAN 及 WGAN-GP 生成图像的效果，发现增加约 10％的数据集对模型性能具有改善作用。研究表明，使用 GAN 可以提高深度分类模型在卫星图像上的泛化能力。

    Jul, 2022

  • 使用生成对抗网络的无监督领域自适应在航空影像语义分割中的应用

    本文研究利用生成对抗网络减少领域适应在空中图像语义分割中的影响，并在实验中测试表明，在 Potsdam 领域（源领域）到 Vaihingen 领域（目标领域）的转变中，该方法将整体准确性从 35% 提高到 52%。

    May, 2019

  • 利用生成对抗网络方法人工生成大数据以改善图像分类：以 SAR 数据为例

    本研究提出了一个 VHSR SAR 图片数据库，并且探讨了基于补丁的城市和城市周边区域分类。使用大型 CNN 分类模型和预训练网络来确定有效性，此外还运用生成对抗网络来生成数据测试数据对分类精度的影响。

    Nov, 2017

  • 逐步增长的生成对抗网络在卫星影像高分辨率语义分割中的应用

    本研究使用递进增长的生成对抗网络对高分辨率卫星图像进行像素级分割，以分割建筑物屋顶。通过在 SpaceNet 版本 2 数据集上进行测试，相较于传统 GAN 训练，递进 GAN 训练获得了更高的测试准确性，达到了 93%。

    Feb, 2019

  • 利用模拟数据生成气候变化影像

    本文探讨了利用模拟的三维环境中的图像来改善 MUNIT 结构进行的领域适应任务的潜力，旨在利用生成式对抗网络生成具有真实性和个性化的图像并保持其可识别特征，以提高人们对气候变化潜在影响的认识。

    Jan, 2020

  • 学习何时何地绘制

    Generative Adversarial Networks 已经在绘制逼真的世界图片方面展现了相当可观的能力，现有的模型可以根据类别标签或标题等全局限制生成图像，但不能控制姿势或对象位置，本文提出了一种新的模型 ——Generative Adversarial What-Where Network，它能根据所描述的内容和位置进行图像综合，并在 Caltech-UCSD Birds 数据集上展示了高质量的 128 x 128 图片综合，还可以控制鸟周围的边界框及其组成部分，通过模拟条件分布，我们的系统还能够使各个部分进行控制，同时展示了在 MPII Human Pose 数据集的关于人体动作图像的文本与位置可控合成的初步结果。

    Oct, 2016

  • 卫星图像生成对抗网络潜空间解释的局部保持方向

    本篇论文介绍了一种基于小波生成对抗网络（GANs）的局部感知方法，可以捕捉卫星图像中具有大尺度和光谱变异性的特征，并通过保留局部性来恢复可解释的高级语义概念方向，用于卫星图像的引导合成和数据增强。使用定量和定性示例证明了该方法在数据合成和卫星场景分类的数据增强中的优势。

    Sep, 2023