- 卫星图像语义分割的主动标签细化
通过卫星图像的语义分割进行遥感技术研究,有利于了解和利用地球表面。本文提出一种低成本的标记方法,通过众包或预训练网络标记图像,并利用主动学习策略在第二步精细化标注图像。实验结果表明,对语义分割网络进行主动标注精化能够提高性能。
- DeepTriNet:基於三層注意機制的 DeepLabv3 + 架構用於衛星影像的語義分割
该研究提出了一种用于卫星图像的语义分割的三级注意力型 DeepLabv3 + 架构(DeepTriNet),通过结合压缩 - 激发网络(SENets)和三级注意力单元(TAUs)与原始 DeepLabv3 + 架构,使用 TAUs 来弥合编 - 利用多头卷积神经网络从卫星图像中针对网格逐渐预测人口组成
本研究提出了一种使用深度学习的多头卷积神经网络模型,通过远程感知的卫星图像和普查数据标签,估计了日本作为全球老龄化最为严重国家之一的细粒度网格人口组成,并实现了在非普查年份 2022 对人口组成的估计和可视化。
- ACL基于异常检测的高分辨率卫星影像烧毁区提取
利用卫星图像进行野火检测是遥感领域中广泛研究的任务,最近,深度学习方法已成为自动化此任务的可扩展解决方案,尤其是在无监督学习领域,其中没有训练数据可用。本文以矢量量化变分自动编码器 (VQ-VAE) 作为框架,通过离散潜在空间执行无监督的烧 - ICCV视图一致净化:实现准确的跨视图定位
本文提出了一种细粒度的室外机器人自定位方法,利用可调数量的机载摄像头和易获取的卫星图像;该方法解决了现有的跨视角定位方法因移动物体和季节变化等噪声源的问题;通过从地面和卫星视图中检测一致的关键点和它们对应的深度特征,去除离地物体,并在两个视 - 在霍夫空间中通过增强的迁移学习和新的 SR 损失函数完成飞行轨迹分割
通过增强迁移学习的创新模型,我们成功地使用较少数据准确地检测了飞行冰线,并通过将图像空间转化为霍夫空间的 SR Loss 提出了一种新的损失函数,为航空研究中基于机器学习的冰线检测开辟了新的途径,解决了大型手工标记数据集的缺失问题,并显著提 - 基于注意力机制的卫星监测海洋垃圾检测
通过结合 YOLOv7 的实例分割和不同的注意机制,本研究在卫星图像中探讨了寻找海洋垃圾的最佳模型,并发现 CBAM 在探测海洋垃圾方面具有最佳适用性。
- 利用空间细节记忆进行全色影像增强学习
本文提出基于深度学习的无需全色图像的全色增强技术方法,通过内置基础边缘轮廓实现对全色图像的无需输入,该方法在高分一号和 WorldView-4 卫星上获得最佳增强效果。
- CD-CTFM:一种融合多尺度特征的遥感云检测轻量级 CNN-Transformer 网络
本文提出了一种轻量级 CNN-Transformer 网络 CD-CTFM 来检测遥感图像中的云层,该方法在精度上与现有的最新方法相当,同时在效率方面表现优异。
- 卫星图像修复的零样本框架
该研究提出了一种新的对卫星图像进行去畸变和恢复的方法,使用失真、参考图像和知识蒸馏来训练模型,成功地解开了卫星图像质量问题。
- 基于 CSP 和时空图的卫星图像时间序列中复杂目标变化建模
本文提出了一种自动监测和分析复杂地理对象演变的方法,该方法利用约束满足问题检测频繁的子图来分析以时空图为模型的对象,并在实际应用中取得了较好的效果。
- 使用图卷积网络提取建筑物轮廓
本文提出一种利用图卷积网络解决卫星图像中建筑物轮廓提取精确性问题的端到端框架,相对于现有方法有更好的表现。
- 基于数据驱动同化和预测的 Sentinel-2 反射动态学习
本文应用 Koopman 算子理论灵感,训练了一个自监督深度学习模型,用于建模未经标注的多光谱和高光谱卫星图像,同时证明了该模型可以用于数据同化。
- 应用 NeRF 技术于卫星影像中进行地表重建
介绍了 Sat-NeRF,它是阴影神经辐射场(S-NeRF)模型的一个修改实现。它能够从场景的稀疏卫星图像合成新的视图,并考虑图片中存在的光照变化。通过完全连接的神经网络支路输出反照率和入射辐照度两个量,对辐射度进行考虑,将其作为太阳直射光 - 高分辨率白天卫星影像测量电力覆盖范围的一种方法
本文介绍了使用卷积神经网络和高分辨率卫星影像监测电气化进程的技术,并且结合建筑位置,类型和电气化状态进行评估,得到了 92% 的识别电气化地区准确率,80% 的估算有住宅的电气化建筑数量准确率和 78% 的总体建筑数量估算准确率。
- 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 - sat2pc:从 2D 卫星影像中估算建筑屋顶的点云
本文提出了一种用于从单一 2D 卫星图像中生成建筑物屋顶点云的深度学习框架 sat2pc,并在建筑物屋顶数据集上进行了广泛评估和消融实验,结果表明其性能优于现有基线方法至少 18.6%。
- PanFormer:基于 Transformer 的 PAN 融合模型
本文提出了一种基于 Transformer 模型的卫星图像融合方法,探究 Transformer 在图像特征提取与融合中的潜力,并通过 GaoFen-2 和 WorldView-3 图像的实验表明其在卫星图像融合中具有巨大潜力和性能优势,并 - Geo-DefakeHop: 高性能地理假图像检测
提出了一个名为 Geo-DefakeHop 的强健假卫星图像检测方法,它基于并行子空间学习(PSL)方法,使用多个滤波器对输入图像空间进行映射,学习最具有鉴别性的通道并使用它们的软决策分数作为特征,最终实现了轻量级高性能的假卫星图像检测,模 - AAAI基于卫星图像的房地产评估的多视角学习策略比较
本文介绍了关于多视图学习方法在房地产评估方面的应用,同时针对多核学习、多视图串联和多视图神经网络三种方法进行实证研究,并得出多视图神经网络预测性能最好,但是也存在不透明的 “黑匣子” 模型的缺点,因此建议使用混合多视图神经网络或 Boost