MambaFedCD:空間的・分光的・時間的協調型マンバベース能動的連合型ハイパースペクトル変化検出

科学分野:

• リモートセンシング
• コンピュータビジョン
• 人工知能

背景:

• ハイパースペクトル画像（HSI）変化検出は、二時点のHSIを使用して地理的領域の変化を特定します。
• 集中型学習方法ではデータの送信が必要であり、機密性の高いリモートセンシングデータのプライバシーリスクとなります。
• トレーニングのための手動サンプルラベリングは、リソースを大量に消費し、実用的ではありません。

研究 の 目的:

• ハイパースペクトル画像変化検出のためのプライバシー保護型連合学習フレームワークを提案すること。
• 効果的な変化検出のために、複数のクライアントからの限定されたラベル付きサンプルを活用すること。
• HSI変化検出におけるデータ感度とラベリングコストの課題に対処すること。

主な方法:

• 空間的・分光的・時間的協調型マンバベース変化検出（S2TMamba）モデルは、時間的および空間的・分光的情報を統合します。
• 差分特徴多様性補正ベースモデル集約（DFDCMA）戦略は、グローバルモデル集約を最適化します。
• マルチ決定連合能動学習（MDFAL）戦略は、トレーニングに情報量の多いサンプルを効率的に選択します。

主要な成果:

• 提案されたMambaFedCDフレームワークは、最先端の方法と比較して優れたパフォーマンスを達成します。
• 実験は、S2TMambaモデル、DFDCMA戦略、およびMDFALアプローチの有効性を示しています。
• このフレームワークは、正確な変化検出を実行しながら、データプライバシーを効果的に保証します。

結論:

• MambaFedCDは、ハイパースペクトル画像変化検出のための効果的でプライバシーを保護するソリューションを提供します。
• 空間的、分光的、時間的情報の相乗的な使用は、正確な変化検出に不可欠です。
• 能動学習と組み合わせた連合学習は、HSI分析のための有望な方向性を示しています。