remote sensing | BriefGPT - AI 论文速递

关键词remote sensing

搜索结果 - 350

AMMUNet: 遥感图像分割的多尺度注意力地图融合
AMMUNet 是一种基于 UNet 的框架，通过多尺度注意力图合并实现全局建模，用于精确的遥感语义分割，并取得了优越的性能。
PDF3 months ago
自监督高光谱图像修复的等变成像
基于自监督学习的新型高光谱成像算法（Hyper-EI）用于修复不完整或损坏的高光谱图像，实验结果显示该算法相较现有方法具有最先进的修复性能。
PDF3 months ago
用于建模总初级生产力的循环神经网络
通过比较分析三种神经网络结构：循环神经网络（RNNs）、门控循环单元（GRUs）和长短期记忆（LSTMs），本研究揭示了这些模型在全年和生长季节预测中具有可比较的性能，特别是 LSTMs 在预测气候引起的 GPP 极值方面表现出色。此外，我
PDF3 months ago
CVPR使用扩散模型检测异常地球观测图像
利用扩散模型的重构误差作为无监督的遥感图像越界检测器，引入了一种新型重构得分器 ODEED，并在类地理偏移和近越界设置下，在 SpaceNet 8 上进行了实验验证。结果表明，ODEED 得分器在洪水图像检测等更具挑战性的近越界场景中明显优
PDF3 months ago
卫星摄影测量的应用推进：利用立体 / 多视角卫星图像生成的三维数据进行建筑区域建模和自然环境监测的创新方法
该论文通过使用立体和多视角的高分辨率卫星遥感数据，探索了在建筑物建模、冰川动态跟踪和湖泊藻类监测等领域解决遥感应用问题的新方法，展示了卫星摄影测量应用在城市和环境挑战中的广泛潜力，并展示了提高应用立体和多视角的高分辨率卫星遥感数据的创新分析
PDF3 months ago
MaskCD：基于掩膜分类的遥感变化检测网络
通过自适应生成分类掩蔽层检测变化区域，本论文提出了一种基于遮罩预测和分类的变化检测方法 (MaskCD)，它利用交叉级别变化感知器来学习多尺度的变化感知表示，并通过利用可变形多头自注意力机制来捕捉编码特征中的时空关系。随后，通过基于遮罩注意
PDF3 months ago
CVPRIrrNet: 利用遥感图像的增量补丁尺寸训练推进灌溉映射
通过采用渐进式训练方法，在水利映射中利用遥感数据，特别是使用 Landsat 5 和 7 的数据集，并通过 WRLU 数据集进行精确标注，进一步提高现有先进模型约 20% 的性能，并分析了各种光谱波段对性能的影响，从而为利用遥感图像进行水利
PDF3 months ago
GEOBIND：通过卫星图片绑定文本、图像和音频
远程感知中，我们关注的是对一些地理位置建模的各种方式。我们提出了一种名为 GeoBind 的深度学习模型，可以从地理位置的卫星图像中推断出文本、图像和音频等多个模态。我们的方法不需要包含所有上述模态的单个复杂数据集，而只需要多个卫星图像配对
PDF3 months ago
SSDiff: 遥感全色增强的空间光谱综合扩散模型
这篇论文介绍了一种用于遥感全色增强任务的空间 - 光谱集成扩散模型 (SSDiff)，该模型通过子空间分解的视角将全色增强过程视为空间和光谱成分的融合过程。SSDiff 利用空间和光谱分支分别学习空间细节和光谱特征，然后采用设计的交替投影融
PDF3 months ago
变化导向网络：将变化先验纳入辅助进行遥感影像变化检测
CGNet 通过生成具有丰富语义信息的深度特征的变化图，利用其作为先验信息来引导多尺度特征融合，解决了传统卷积神经网络接收场不足的问题，进而有效地提高了变化特征的表达能力，并在四个主要的变化检测数据集上验证了其有效性和效率。
PDF3 months ago
CVPRSyntStereo2Real：边缘感知生成对抗网络用于维持立体约束的遥感图像转换
远程感知领域中，缺乏立体匹配以及准确地面真实数据制约了深度神经网络的训练；合成图像作为替代方案缓解了此问题，但面临域泛化问题；结合图像到图像翻译和立体匹配的能力提供了有效解决方案；通过将图像到图像翻译网络和立体匹配网络联合优化，我们提出一种
PDF3 months ago
扩散模型与遥感相遇：原理、方法和展望
扩散模型在遥感领域具有巨大潜力，在图像处理方面取得了重要进展。该研究对扩散模型在遥感领域的应用进行了全面回顾，涵盖了图像生成、增强和解释等方面，并对现有模型的局限性与进一步研究方向进行了探讨和总结。
PDF3 months ago
CVPR面向遥感全色图像融合的内容自适应非局部卷积
该论文介绍了一种名为内容自适应非局部卷积（CANConv）的新颖方法，以进行遥感图像的全色增强，同时提出了相应的网络架构 CANNet，并通过可视化、消融实验和与现有方法的比较等多个测试集证明了该方法的卓越性能。
PDF3 months ago
基于 YOLO 的海洋涡旋定位与 AWS SageMaker
利用 AWS 云服务，特别是 SageMaker，在卫星遥感图像中检测小尺度（<20km）的海洋涡旋，并评估其可行性，同时评估了一些使用云中单个和多 GPU 的 YOLO 模型。此研究强调了这些服务的潜力，以及与部署和资源管理相关的限制和挑
PDF3 months ago
LR-FPN：利用位置优化特征金字塔网络增强遥感物体检测
提出了一种新颖的位置精化特征金字塔网络（LR-FPN），以增强浅层位置信息的提取和细粒度上下文交互。通过实验验证，LR-FPN 在遥感目标检测方面优于现有的方法。
PDF3 months ago
使用合成数据训练基于点的深度学习网络进行森林分割
通过使用合成数据集，我们开发了一个逼真的模拟器，生成了合成的森林场景，用于开展不同基于点云的深度学习网络在森林分割方面的比较研究，并确定了使用合成数据来训练深度学习网络对真实森林数据集中的点云进行分类的可行性。
PDF4 months ago
遥感图像通道数据增强的物理信息一致性估计
使用数据增强方法进行深度学习在监督、半监督和自我监督图像分类等方面发挥着重要作用。本文针对遥感图像分类任务中通道变换方法的应用存在的争议，提出了一种估算通道变换方法是否影响遥感图像物理信息的方法。实验结果表明，通道变换方法的得分超过原始像素
PDF4 months ago
遥感图像中基于显著对比学习的少样本目标检测
通过使用定向边界框而不是传统的水平边界框来学习更好的特征表示，针对远程感知图像，我们提出了一种新的用于远程感知图像的少样本定向目标检测方法，称为记忆对比学习的少样本定向目标检测（FOMC）。我们引入了一个带有动态更新存储器的监督对比学习模块
PDF4 months ago
MTP: 通过多任务预训练推进遥感基础模型
本研究基于共享编码器和任务特定解码器架构，对遥感基础模型进行多任务监督预训练，包括语义分割、实例分割和旋转目标检测。随后在不同的遥感下游任务上对预训练模型进行微调，并通过 14 个数据集的广泛实验验证了我们模型相对于同样规模的现有模型的优越
PDF4 months ago
LSKNet: 一种面向遥感的基础轻量级骨干网络
该研究考虑了远程感知场景中的先验知识，并提出了轻量级大型选择性核网络（LSKNet）作为其骨干网络。LSKNet 能够动态调整其大空间接受野，以更好地建模远程感知场景中各种对象的范围背景。通过在常规远程感知分类、目标检测和语义分割基准上取得
PDF4 months ago