DDIPNet and DDIPNet+: Discriminant Deep Image Prior Networks for Remote Sensing Image Classification

要約

リモート センシングの画像分類に関する研究は、都市計画や農業など、人間にとって不可欠なルーチン タスクに大きな影響を与えています。
今日では、技術の急速な進歩と多くの高品質のリモート センシング画像の利用可能性により、信頼性の高い自動化方法に対する需要が生まれています。
現在の論文では、画像分類の目的で 2 つの新しい深層学習ベースのアーキテクチャ、つまり、判別式ディープ イメージ プライア ネットワークと判別式ディープ イメージ プライア ネットワーク + を提案しています。これらは、ディープ イメージ プライアとトリプレット ネットワークの学習戦略を組み合わせたものです。
3 つのよく知られている公開リモート センシング画像データセットに対して実施された実験では、最先端の結果が得られ、リモート センシング画像分類にディープ イメージ プライアを使用することの有効性が証明されました。

要約(オリジナル)

Research on remote sensing image classification significantly impacts essential human routine tasks such as urban planning and agriculture. Nowadays, the rapid advance in technology and the availability of many high-quality remote sensing images create a demand for reliable automation methods. The current paper proposes two novel deep learning-based architectures for image classification purposes, i.e., the Discriminant Deep Image Prior Network and the Discriminant Deep Image Prior Network+, which combine Deep Image Prior and Triplet Networks learning strategies. Experiments conducted over three well-known public remote sensing image datasets achieved state-of-the-art results, evidencing the effectiveness of using deep image priors for remote sensing image classification.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google