文献

J-GLOBAL ID：201802212598172812   整理番号：18A1027432

マルチスペクトル画像のための粗から微細な半教師つき変化検出【JST・京大機械翻訳】

A Coarse-to-Fine Semi-Supervised Change Detection for Multispectral Images

著者 (3件)： Zhang Wuxia (Center for Optical Imagery Analysis and Learning (OPTIMAL), Xi’an Institute of Optics and Precision Mechanics, Chinese Academy of Sciences, Xi’an, China) ,  Lu Xiaoqiang (Center for Optical Imagery Analysis and Learning (OPTIMAL), Xi’an Institute of Optics and Precision Mechanics, Chinese Academy of Sciences, Xi’an, China) ,  Li Xuelong (Center for Optical Imagery Analysis and Learning (OPTIMAL), Xi’an Institute of Optics and Precision Mechanics, Chinese Academy of Sciences, Xi’an, China)
資料名： IEEE Transactions on Geoscience and Remote Sensing  (IEEE Transactions on Geoscience and Remote Sensing)
巻： 56  号： 6  ページ： 3587-3599  発行年： 2018年 
JST資料番号： H0016B  ISSN： 0196-2892  CODEN： IGRSD2  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： 変化検出は,都市計画,資源監視,および環境研究への洞察を提供する重要な技術である。マルチスペクトル画像に対して,ほとんどの半教師つき変化検出法は訓練された分類器に分類されにくい訓練サンプルの寄与を改善することに焦点を合わせている。しかし,ハードトレーニングサンプルは,マルチスペクトル変化検出のための訓練モデルの識別を弱める。さらに,これらの方法はスペクトル情報のみを用いるが,限られたスペクトル情報は物体を非常によく表現できない。本論文では,粗から微細な半教師つき変化検出と名付けた方法を提案し,上述の問題を解決した。最初に,新しいマルチスケール特徴を,検出される画素のスペクトルベクトルと異なるスケールによるその隣接画素を連結することによって利用した。第二に,強化されたメトリック学習を提案し,訓練サンプルの寄与を強化することにより,訓練サンプルの寄与を訓練モデルに分類することが困難であることを示した。最後に,空間における近傍の距離計量とラベル情報の観点から試験サンプルを検出するために,粗から微細な戦略を採用した。強化された計量学習から得られた粗い検出結果は,最終的な検出を導くために使用される。提案した方法の有効性を,2つの実生活動作シナリオ,TaizhouとKunshanデータセットで検証した。広範な実験結果は,提案したアルゴリズムが他の最先端アルゴリズムよりも優れた性能を持つことを実証した。Copyright 2018 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【JST・京大機械翻訳】

シソーラス用語： 学習 ,  *スペクトル ,  距離計 ,  アルゴリズム ,  画素 ,  都市計画
準シソーラス用語： 近傍 ,  マルチスケール ,  *多重スペクトル ,  *変化検出 ,  *マルチスペクトル画像 , 【Automatic Indexing@JST】

分類 (2件)： パターン認識  (JE07000S) ,  リモートセンシング一般  (AD04000L)

タイトルに関連する用語 (3件)： マルチスペクトル画像 ,  教師 ,  変化検出