文献

J-GLOBAL ID：201702264742406714   整理番号：17A0071886

有意性と多層畳込み神経回路網の高解像度画像シーン分類【JST・京大機械翻訳】

Combined Saliency with Multi-Convolutional Neural Network for High Resolution Remote Sensing Scene Classification

著者 (4件)： He Xiaofei (School of Geosciences and Info-Physics,Central South University) ,  Zou Zhengrong (School of Geosciences and Info-Physics,Central South University) ,  Tao Chao (School of Geosciences and Info-Physics,Central South University) ,  Zhang Jiaxing (School of Geosciences and Info-Physics,Central South University)
資料名： Cehui Xuebao  (Cehui Xuebao)
巻： 45  号： 9  ページ： 1073-1080  発行年： 2016年 
JST資料番号： C2485A  ISSN： 1001-1595  CODEN： CEXUER  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 中国 (CHN)  言語： 中国語 (ZH)

抄録/ポイント： 高分解能リモートセンシング画像におけるシーン情報は,画像解釈と現実世界の理解にとって重要である。従来の場面分類法は,低レベルの人工的特徴を利用しているが,高分解能リモートセンシング画像の情報は豊富で,シーンの構成は複雑で,高レベルの特徴を必要とする。本論文では,有意性と多層畳込みニューラルネットワークを結合する方法を提案し,まず第一に,画像の主要情報を含む有意なブロックを獲得し,これらのブロックをサンプル集合として畳込みニューラルネットワークに入力し,異なるレベルの特徴表現を得た。最終的に,マルチレベル特性をサポートベクトルマシンによって分類する。2つのグループの高分解能画像データUC MERCED21とと7の実験結果により、顕著なサンプリングは有効に目標を獲得することができ、その他の無関係目標の影響を弱め、データの冗長性を低下させることが分かった。畳込みニューラルネットワークは,高レベルの特徴を自動的に学習することができ,既存の方法と比較して,分類精度を効果的に改善することができる。Data from the ScienceChina, LCAS. Translated by JST【JST・京大機械翻訳】

シソーラス用語： *画像 ,  冗長性 ,  画像認識 ,  *畳込み ,  高分解能 ,  ニューラルネットワーク ,  *神経回路網 ,  サポートベクトルマシン
準シソーラス用語： 分類精度 ,  マルチレベル ,  特徴表現 ,  分類法 ,  リモートセンシング画像 ,  *シーン分類 ,  *高精細画像 , 【Automatic Indexing@JST】

著者キーワード (4件)： convolutional neural network ,  saliency detection ,  high resolution remote sensing image ,  scene classification

分類 (2件)： パターン認識  (JE07000S) ,  ニューロコンピュータ  (JC06010Q)

タイトルに関連する用語 (5件)： 多層 ,  畳込み ,  神経回路網 ,  高解像度画像 ,  シーン分類