Optimizing Multi-Class Change Segmentation in High-Resolution Satellite Imagery With a Siamese Network for Low-Resource Environments

This work focuses on multi-class change segmentation to quantify alterations between temporal images. Unlike traditional binary change detection, which requires post-processing to identify specific transformations, we introduce a Siamese architecture called SiamSegCD. This model is designed for dire...

Celý popis

Podrobná bibliografie

Vydáno v:	2024 IEEE India Geoscience and Remote Sensing Symposium (InGARSS) s. 1 - 4
Hlavní autoři:	Srivastava, Noopur, Jain, Kamal
Médium:	Konferenční příspěvek
Jazyk:	angličtina
Vydáno:	IEEE 02.12.2024
Témata:	Computational modeling Computer architecture Deep learning Encoderdecoder architectures Feature extraction Image segmentation Multi-class change segmentation Remote sensing Residual neural networks Satellite images Semantics Siamese network Stand-alone self-attention Testing
On-line přístup:	Získat plný text
Tagy:	Přidat tag Žádné tagy, Buďte první, kdo vytvoří štítek k tomuto záznamu!