> 기술 주변기기 > 일체 포함 > 60개 이상의 Transformer 연구를 검토한 한 기사에서는 원격 감지 분야의 최신 진행 상황을 요약합니다.

60개 이상의 Transformer 연구를 검토한 한 기사에서는 원격 감지 분야의 최신 진행 상황을 요약합니다.

WBOY
풀어 주다: 2023-04-12 23:31:07
앞으로
1290명이 탐색했습니다.

원격 감지 이미징 기술은 지난 수십 년 동안 상당한 발전을 이루었습니다. 현대 항공 센서의 공간, 스펙트럼 및 해상도가 지속적으로 개선되면서 지구 표면의 대부분을 덮을 수 있게 되었습니다. 따라서 원격 감지 기술은 생태학, 환경 과학, 토양 과학, 수질 오염, 빙하학, 토지 측정 및 분석 분야에 많이 응용됩니다. 등 연구 분야가 중요한 역할을 합니다. 원격 탐사 데이터는 지리적 공간(지리적 위치)에 위치하는 다중 모드인 경우가 많으며 종종 글로벌 규모로 발생하고 데이터 크기가 증가하고 있기 때문에 이러한 특성은 원격 감지 영상의 자동 분석에 고유한 과제를 안겨줍니다.

객체 인식, 감지, 분할 등 컴퓨터 비전의 여러 분야에서 딥 러닝, 특히 CNN(Convolutional Neural Network)이 주류가 되었습니다. 컨벌루션 신경망은 일반적으로 RGB 이미지를 입력으로 사용하고 일련의 컨벌루션, 로컬 정규화 및 풀링 작업을 수행합니다. CNN은 일반적으로 대량의 훈련 데이터에 의존하고 사전 훈련된 결과 모델을 다양한 다운스트림 애플리케이션을 위한 범용 특징 추출기로 사용합니다. 딥 러닝을 기반으로 한 컴퓨터 비전 기술의 성공은 원격 감지 커뮤니티에도 영감을 주었으며 초분광 이미지 분류 및 변경 감지와 같은 많은 원격 감지 작업에서 상당한 진전을 이루었습니다.

CNN의 주요 기반 중 하나는 윤곽선 및 가장자리 정보와 같은 입력 이미지 요소 간의 로컬 상호 작용을 캡처하는 컨볼루션 작업입니다. CNN은 다양하고 효율적인 아키텍처를 구축하는 데 도움이 되는 기능인 공간 연결성 및 변환 동등성과 같은 편향을 인코딩합니다. CNN의 로컬 수용 필드는 이미지의 장거리 종속성(예: 먼 부분 간의 관계) 모델링을 제한합니다. 컨볼루션은 컨볼루셔널 필터의 가중치가 고정되어 있어 입력의 성격에 관계없이 모든 입력에 동일한 가중치를 적용하므로 내용 독립적입니다. ViT(Visual Transformers)는 컴퓨터 비전의 다양한 작업에서 인상적인 성능을 보여주었습니다. Self-Attention 메커니즘을 기반으로 ViT는 시퀀스 요소 간의 관계를 학습하여 전역 상호 작용을 효과적으로 포착합니다. 최근 연구에 따르면 ViT는 콘텐츠에 따른 장거리 상호 작용 모델링 기능을 갖추고 있으며 수용 필드를 유연하게 조정하여 데이터 간섭을 방지하고 효과적인 특징 표현을 학습할 수 있는 것으로 나타났습니다. 결과적으로 ViT와 그 변형은 분류, 탐지, 분할을 포함한 많은 컴퓨터 비전 작업에 성공적으로 사용되었습니다.

컴퓨터 비전 분야에서 ViT의 성공으로 초고해상도 이미지 분류, 변화 감지 등 원격 감지 분석 기반 변환기 프레임워크를 사용하는 작업 수가 크게 늘어났습니다(그림 1 참조). , 팬 색상 선명화 및 건물 감지는 텍스트 및 이미지 자막 모두에 사용됩니다. 이는 ImageNet 사전 훈련을 활용하거나 시각적 변환기를 사용하여 원격 감지 사전 훈련을 수행하는 등 다양한 방법을 사용하는 연구자와 함께 원격 감지 분석의 새로운 시대를 엽니다.

60개 이상의 Transformer 연구를 검토한 한 기사에서는 원격 감지 분야의 최신 진행 상황을 요약합니다.

마찬가지로 순수 트랜스포머 설계를 기반으로 한 방법이나 트랜스포머와 CNN을 기반으로 한 하이브리드 방식을 활용한 방법도 관련 문헌에 나와 있습니다. 다양한 원격 감지 문제에 대한 변압기 기반 방법의 급속한 출현으로 인해 최신 발전을 따라가는 것이 점점 더 어려워지고 있습니다.

기사에서 저자는 원격 감지 분석 분야의 진행 상황을 검토하고 원격 감지 분야에서 널리 사용되는 변압기 기반 방법을 소개합니다. 이 기사의 주요 기여는 다음과 같습니다.

원격 감지 이미징에 변압기 기반 모델 적용 전체적인 개요를 제공하고 원격 감지 분석에서 변압기 사용을 최초로 조사하여 빠르게 성장하고 인기 있는 이 분야에서 컴퓨터 비전의 최근 발전과 원격 감지 간의 격차를 해소합니다.

  • CNN과 Transformer에 대한 개요를 제공하고 각각의 장점과 단점에 대해 논의합니다.
  • 60개 이상의 변압기 기반 연구 문헌을 검토하고 원격 감지 분야의 최신 진행 상황에 대해 토론하세요.
  • 원격탐사 분석에서 변압기의 다양한 과제와 연구 방향에 대해 논의합니다.

기사의 나머지 부분은 다음과 같이 구성됩니다. 섹션 2에서는 원격 감지 이미징에 대한 기타 관련 연구를 논의합니다. 섹션 3에서는 원격 감지의 다양한 이미징 모드에 대한 개요를 제공합니다. 섹션 4에서는 CNN 및 시각적 변환기에 대한 간략한 개요를 제공합니다. 5에서는 초고도 분해능(VHR) 이미징을 검토합니다. 섹션 6에서는 초분광 이미지 분석을 소개합니다. 섹션 7에서는 합성 개구 레이더(SAR)에서 변환기 기반 방법의 진행 상황을 소개합니다. 섹션 8에서는 향후 연구 방향을 논의합니다.

자세한 내용은 원문을 참고해주세요.

60개 이상의 Transformer 연구를 검토한 한 기사에서는 원격 감지 분야의 최신 진행 상황을 요약합니다.

  • 문서 링크: https://arxiv.org/pdf/2209.01206.pdf
  • GitHub 주소: https://github.com/VIROBO-15/Transformer-in-Remote- 센싱

위 내용은 60개 이상의 Transformer 연구를 검토한 한 기사에서는 원격 감지 분야의 최신 진행 상황을 요약합니다.의 상세 내용입니다. 자세한 내용은 PHP 중국어 웹사이트의 기타 관련 기사를 참조하세요!

관련 라벨:
원천:51cto.com
본 웹사이트의 성명
본 글의 내용은 네티즌들의 자발적인 기여로 작성되었으며, 저작권은 원저작자에게 있습니다. 본 사이트는 이에 상응하는 법적 책임을 지지 않습니다. 표절이나 침해가 의심되는 콘텐츠를 발견한 경우 admin@php.cn으로 문의하세요.
최신 이슈
인기 튜토리얼
더>
최신 다운로드
더>
웹 효과
웹사이트 소스 코드
웹사이트 자료
프론트엔드 템플릿