288397記事公開中

トレンドワード
  2. AIベンチマークリサーチ
  3. 論文研究
  4. リモートセンシング画像データのための自己教師あり適応ステレオ推定CNN（SAda-Net: A Self-Supervised Adaptive Stereo Estimation CNN For Remote Sensing Image Data）
2 分で読了
0 views

リモートセンシング画像データのための自己教師あり適応ステレオ推定CNN

（SAda-Net: A Self-Supervised Adaptive Stereo Estimation CNN For Remote Sensing Image Data）

さらに深い洞察を得る

AI戦略の専門知識を身につけ、競争優位性を構築しませんか？

AIBR プレミアム
年間たったの9,800円で
“AIに詳しい人”として
一目置かれる存在に！

プレミア会員になって、山ほどあるAI論文の中から効率よく大事な情報を手に入れ、まわりと圧倒的な差をつけませんか？

詳細を見る
【実践型】
生成AI活用キャンプ
【文部科学省認可】
満足度100%の生成AI講座
3ヶ月後には、
あなたも生成AIマスター！

「学ぶ」だけではなく「使える」ように。
経営者からも圧倒的な人気を誇るBBT大学の講座では、3ヶ月間質問し放題！誰1人置いていかずに寄り添います。

詳細を見る

田中専務

拓海先生、最近『ラベルがない画像データで立体情報を作る研究』が話題だと聞きまして、当社の衛星画像解析にも使えるのではと期待しています。ただ、そもそも教師データが無くても学習できるというのがピンと来ません。要するにどういう仕組みなんでしょうか。

AIメンター拓海

素晴らしい着眼点ですね！簡単に言うと、この論文は「自己教師あり学習（self-supervised learning、SSL：自己教師あり学習）」という手法を使い、ネットワーク自身が作った粗い深度（視差）情報を磨き上げながら学習する仕組みを示しているんですよ。大丈夫、一緒にやれば必ずできますよ。

田中専務

これまでの手法は現場で正確な教師データを用意するのが大変だと聞きます。現場で使えるようになるための鍵は何ですか。

AIメンター拓海

ポイントは三つです。まず一つ目、初めは粗くても自分で作った出力を疑って、左右の画像から整合性の良い点だけを

監修者

阪上雅昭（SAKAGAMI Masa-aki）
京都大学　人間・環境学研究科　名誉教授

論文研究シリーズ
前の記事
リモートセンシングにおける自己学習とコントラスト学習を用いた教師なしドメイン適応セマンティックセグメンテーション
（SiamSeg: Self-Training with Contrastive Learning for Unsupervised Domain Adaptation Semantic Segmentation in Remote Sensing）
次の記事
多変量多項式評価コードの高レート化
（High Rate Multivariate Polynomial Evaluation Codes）
関連記事
ステップワイズなパープレキシティ誘導による効率的なChain-of-Thought推論
（Stepwise Perplexity-Guided Refinement for Efficient Chain-of-Thought Reasoning in Large Language Models）
中国語文字の命名行動を評価するトランスフォーマーモデル
（Evaluating Transformer Models and Human Behaviors on Chinese Character Naming）
WhiSPA: セマンティックおよび心理的に整合されたWhisper
（WhiSPA: Semantically and Psychologically Aligned Whisper with Self-Supervised Contrastive and Student-Teacher Learning）
高次元データ分類におけるハイブリッド量子ニューラルネットワーク
（Hybrid Quantum Neural Network in High-dimensional Data Classification）
QC-Forest：ランダムフォレストの再学習を理論的に高速化する古典‑量子ハイブリッド
（QC-Forest: a Classical-Quantum Algorithm to Provably Speedup Retraining of Random Forest）
事前ほとんど無知下でのカテゴリ潜在変数の学習の限界
（Limits of Learning about a Categorical Latent Variable under Prior Near-Ignorance）
この記事をシェア

有益な情報を同僚や仲間と共有しませんか？

AI技術革新 - 人気記事
ブラックホールと量子機械学習の対応
（Black hole/quantum machine learning correspondence）
  • 論文研究
生成AI検索における敏感なユーザークエリの分類と分析
（Taxonomy and Analysis of Sensitive User Queries in Generative AI Search System）
  • 論文研究
DiReDi：AIoTアプリケーションのための蒸留と逆蒸留
（DiReDi: Distillation and Reverse Distillation for AIoT Applications）
  • 論文研究

PCも苦手だった私が

“AIに詳しい人“
として一目置かれる存在に！
  • AIBRプレミアム
  • 実践型生成AI活用キャンプ
あなたにオススメのカテゴリ
論文研究
最新記事
攻撃下における頑健で回復力のある信号再構成
（Robust Resilient Signal Reconstruction under Adversarial Attacks）
  • 論文研究
文書コンテキストを用いたSeq2Seqによる要約
（Abstractive and Extractive Text Summarization using Document Context Vector and Recurrent Neural Networks）
  • 論文研究
畳み込みニューラルネットワークを逆問題とスパース表現で読み解く
（Convolutional Neural Networks Analyzed via Inverse Problem Theory and Sparse Representations）
  • 論文研究
Prior Convictionsを利用したブラックボックス敵対的攻撃の効率化
（Prior Convictions: Black-Box Adversarial Attacks with Bandits and Priors）
  • 論文研究
重みを三値化して精度を保つCNN最適化
（Optimize Deep Convolutional Neural Network with Ternarized Weights and High Accuracy）
  • 論文研究
未来のセマンティックセグメンテーション
（Future Semantic Segmentation with Convolutional LSTM）
  • 論文研究
さらに深い洞察を得る

AI戦略の専門知識を身につけ、競争優位性を構築しませんか？

AIBR プレミアム
年間たったの9,800円で
“AIに詳しい人”として一目置かれる存在に！

プレミア会員になって、山ほどあるAI論文の中から効率よく大事な情報を手に入れ、まわりと圧倒的な差をつけませんか？

詳細を見る
【実践型】
生成AI活用キャンプ
【文部科学省認可】
満足度100%の生成AI講座
3ヶ月後には、あなたも生成AIマスター！

「学ぶ」だけではなく「使える」ように。
経営者からも圧倒的な人気を誇るBBT大学の講座では、3ヶ月間質問し放題！誰1人置いていかずに寄り添います。

詳細を見る

AI Benchmark Researchをもっと見る

今すぐ購読し、続きを読んで、すべてのアーカイブにアクセスしましょう。

続きを読む