Recherche multimodale d'images aériennes multi-date à l'aide d'un réseau siamois
Résumé
Abstract This paper introduces a multi-modal network that learns to match aerial images of french urban and rural territories taken about 15 years apart. This means it should be invariant against a big range of changes as the (natural) landscape evolves over time. It leverages the original images and semantically segmented and labeled regions. The core of the method is a siamese network that learns to extract features from corresponding image pairs across time, and non matching pairs. These descriptors are discri-minative enough, such that a simple kNN classifier on top, suffices as a final geo-matching criteria. We demonstrate that our siamese descriptor outperforms other image descriptors for cross-time image retrieval.
Cet article présente un réseau multimodal qui met en cor-respondance des images aériennes de territoires urbains et ruraux français prises à environ 15 ans d'intervalle. Il de-vrait être invariant à un large éventail de changements, tels que l'évolution du paysage au fil des années. Il exploite les images originales et les régions sémantiquement segmen-tées et étiquetées. Le coeur de la méthode est un réseau siamois qui apprend à extraire des caractéristiques des paires d'images cor-respondantes dans le temps et des paires non correspon-dantes. Ces descripteurs sont suffisamment discriminants pour qu'un simple classifieur k-NN suffise comme critère de géo-correspondance final. Dans cet article, nous dé-montrons que notre descripteur siamois surpasse les autres descripteurs d'images en termes de recherche d'images par contenu à travers le temps.
| Origine | Fichiers produits par l'(les) auteur(s) |
|---|
Loading...