文献

J-GLOBAL ID：201702237484497529   整理番号：17A1568097

光学リモートセンシング画像における沿岸船舶検出のためのタスク分割を用いた完全Convolutionalネットワーク【Powered by NICT】

Fully Convolutional Network With Task Partitioning for Inshore Ship Detection in Optical Remote Sensing Images

著者 (3件)： Lin Haoning (Image Processing Center, School of Astronautics, Beihang University, Beijing, China) ,  Shi Zhenwei (Image Processing Center, School of Astronautics, Beihang University, Beijing, China) ,  Zou Zhengxia (Image Processing Center, School of Astronautics, Beihang University, Beijing, China)
資料名： IEEE Geoscience and Remote Sensing Letters  (IEEE Geoscience and Remote Sensing Letters)
巻： 14  号： 10  ページ： 1665-1669  発行年： 2017年 
JST資料番号： W1397A  ISSN： 1545-598X  CODEN： IGRSBY  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 光学リモートセンシング画像における船舶検出は近年多くの注目,特により挑戦的な沿岸船舶検出に関してを集めている。しかし,この主題に関する最近の研究は,注意深く調整パラメータを必要とする手作りの特徴と複雑な手順に強く依存している。本短報において,筆者らは沿岸船舶検出の問題に取り組む,より簡略化された手順,よりロバストな性能を持つことを船舶検出フレームワークを設計するために完全に畳込みネットワーク(FCN)を利用した。FCNによる船舶の検出問題に取り組む場合,二つの主要な困難がある1)船とその任意方向の長くて薄い形状はネットワーク特徴によって捕捉されるため,物体は非常に異方性と困難にしている,2)船は側,困難な分離により密接にドッキング側できる。,ネットワークにおけるタスク分配モデルを実装し,異なる深さでの層は異なる課題を割り当てられている。ネットワーク中の深い層では高精度な位置決めを用いた検出機能と浅層サプリメントを提供する。この方法は位置決め精度と特徴の代表的な能力のFCNのトレードオフ,密接に結合した船舶の検出における重要性を緩和する。実験は,FCNとタスク分割モデルの利点を持つ,このフレームワークは,複雑な状況におけるロバストで信頼性のある沿岸船舶検出を提供することを示した。Copyright 2017 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】

シソーラス用語： *沿岸 ,  信頼性 ,  ロバスト性 ,  *船舶 ,  畳込み ,  *画像 ,  サプリメント ,  *ネットワーク ,  異方性 ,  簡素化 ,  ドッキング
準シソーラス用語： 位置決め精度 ,  高精度 ,  *光学リモートセンシング , 【Automatic Indexing@JST】

分類 (2件)： パターン認識  (JE07000S) ,  図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (4件)： 光学リモートセンシング ,  沿岸 ,  船舶 ,  タスク