文献

J-GLOBAL ID：201702276541995429   整理番号：17A1349919

速いほど良い意味マップへの地球観測とOpenStreetMapデータからの結合学習【Powered by NICT】

Joint Learning from Earth Observation and OpenStreetMap Data to Get Faster Better Semantic Maps

著者 (3件)： Audebert Nicolas ,  Saux Bertrand Le ,  Lefevre Sebastien
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： CVPRW  ページ： 1552-1560  発行年： 2017年 
JST資料番号： W2441A  資料種別： 会議録 (C)
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： 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】

シソーラス用語： センサ ,  意味論 ,  ネットワークアーキテクチャ ,  学習モデル ,  ネットワーク ,  ラベリング ,  畳込み ,  *学習 ,  衛星利用画像 ,  セグメンテーション
準シソーラス用語： ユースケース ,  ハイパースペクトル ,  多重スペクトル ,  ディープニューラルネットワーク ,  *地球観測 , 【Automatic Indexing@JST】

分類 (2件)： 写真測量,空中写真  (RC02040D) ,  図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (4件)： 意味 ,  マップ ,  地球観測 ,  学習