Zobrazeno 1 - 8
of 8
pro vyhledávání: '"Xuan, Wenjie"'
Change Detection is a crucial but extremely challenging task of remote sensing image analysis, and much progress has been made with the rapid development of deep learning. However, most existing deep learning-based change detection methods mainly foc
Externí odkaz:
http://arxiv.org/abs/2404.17765
ControlNet excels at creating content that closely matches precise contours in user-provided masks. However, when these masks contain noise, as a frequent occurrence with non-expert users, the output would include unwanted artifacts. This paper first
Externí odkaz:
http://arxiv.org/abs/2403.00467
Autor:
Xuan, Wenjie, Zhao, Shanshan, Yao, Yu, Liu, Juhua, Liu, Tongliang, Chen, Yixin, Du, Bo, Tao, Dacheng
Relying on large-scale training data with pixel-level labels, previous edge detection methods have achieved high performance. However, it is hard to manually label edges accurately, especially for large datasets, and thus the datasets inevitably cont
Externí odkaz:
http://arxiv.org/abs/2307.14070
Existing deep learning-based change detection methods try to elaborately design complicated neural networks with powerful feature representations, but ignore the universal domain shift induced by time-varying land cover changes, including luminance f
Externí odkaz:
http://arxiv.org/abs/2204.00154
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Publikováno v:
In Neural Networks January 2022 145:248-259
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.