抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
本研究では,地球観測画像の意味論的ラベリングのためのOpenStreetMapデータの使用を検討した。ディープニューラルネットワークを用いて,様々なセンサからのリモートセンシングデータ分類,マルチスペクトル,ハイパースペクトル,SARとLiDARデータを含めるための過去に使用されている。OpenStreetMapは既にそのようなネットワークを訓練するためのグランドトルースデータとして使用されてきたが,この豊富なデータ源は,入力情報層として利用稀である。本論文では,著者らは空中および衛星画像の意味論的ラベリングのためのOpenStreetMapデータを活用するための様々なユースケースと深いネットワークアーキテクチャを研究した。特に,OpenStreetMap層マルチスペクトルベース深い完全畳込みネットワークを含むように融合ベースアーキテクチャとcoarseto精密なセグメンテーションを検討した。は,これらの方法が二公開データセット:ISPRSポツダムとDFC2017にうまく使用できるかを示した。OpenStreetMapデータは,視覚をベースとした深い学習モデルに統合できる効率的,精度性能とネットワークの収束速度の両方を改善することを示した。Copyright 2017 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】