文献

J-GLOBAL ID：201702243275246287   整理番号：17A1721615

2段CNNモデルに基づく高分解能画像における農村建築物検出【Powered by NICT】

Rural Building Detection in High-Resolution Imagery Based on a Two-Stage CNN Model

著者 (3件)： Sun Li (School of Geosciences and Info-Physics, Central South University, Changsha, China) ,  Tang Yuqi (School of Geosciences and Info-Physics, Central South University, Changsha, China) ,  Zhang Liangpei (State Key Laboratory of Information Engineering in Surveying, Mapping and Remote Sensing, and the Collaborative Innovation Center for Geospatial Technology, Wuhan University, Wuhan, China)
資料名： IEEE Geoscience and Remote Sensing Letters  (IEEE Geoscience and Remote Sensing Letters)
巻： 14  号： 11  ページ： 1998-2002  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： 畳込みニューラルネットワーク(CNN)を用いた画像物体の高レベル特徴抽出と階層的特徴表現は,複雑な背景から抽出したmiddle/lowレベル特徴を用いた伝統的建造物検出モデルの限界を克服することができる。マニュアル村位置,高コスト,および既存の農村建築検出モデル内の建造物検出の限定された精度の欠点を目指して,高解像度画像にある農村建築物を検出するためにこの論文で提案した2段階CNNモデル。人間の視覚の階層的処理機構をシミュレートする,提案したモデルは二CNN,そのアーキテクチャは自動的に村の位置決めおよび建物を効率的に検出できるを,それぞれ使用して組み立てた。2段階CNNモデルは効果的に背景の複雑性を低減し,農村建築物検出の効率を改善した。実験は,提案したモデルが自動的に二箇所の研究エリアにおける全村落を,88%の検出精度を達成できることを示した。既存モデルと比較して,提案したモデルは,複雑な背景を有する農村地域における建物を検出するのに有効であることが証明された。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： ニューラルネットワーク ,  特徴抽出 ,  *集落 ,  農業地区 ,  畳込み ,  マニュアル ,  *モデル ,  視覚 ,  *農村建築 ,  計算機アーキテクチャ ,  *画像
準シソーラス用語： 検出精度 ,  複雑性 ,  特徴表現 ,  *高精細画像 , 【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)： CNN ,  モデル ,  高分解能画像 ,  農村建築物