文献

J-GLOBAL ID：201802219283812933   整理番号：18A2038389

深い特徴を用いたVHR光学画像における教師なし多重変化検出【JST・京大機械翻訳】

Unsupervised Multiple-Change Detection in VHR Optical Images Using Deep Features

著者 (3件)： Saha Sudipan (Fondazione Bruno Kessler, Trento, Italy) ,  Bovolo Francesca (Fondazione Bruno Kessler, Trento, Italy) ,  Brurzone Lorenzo (University of Trento, Trento, Italy)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2018  号： IGARSS  ページ： 1902-1905  発行年： 2018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： 多重時間衛星画像を用いた変化検出(CD)はリモートセンシングの基本的応用である。Very高空間分解能(VHR)光学画像からの変化情報を効果的に捉えるために,空間コンテキストをVHR画像がピクセル間の高空間相関によって特徴付けられるようにモデル化する必要がある。著者らは,事前に訓練されたConvolution-Neural-Network(CNN)ベースの特徴抽出を用いて,多時間VHR画像におけるCDのための文脈に敏感なフレームワークを提案した。そのようなフレームワークは,教師なしではあるが,VHR画像における隣接画素間の空間関係を効果的にモデル化できる。意味論的セグメンテーションのために事前訓練されたCNNは,変化したピクセルを同定するために画素ごとに比較される複数の時間的深い特徴を得ることを可能にする。変化した画素は,多重変化検出のためにさらにクラスタ化される。Worldview-2とPleiades画像の多重時間データセットに関して得られた結果は,著者らのアプローチの有効性を実証した。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： *画像 ,  画素 ,  リモートセンシング ,  モデリング ,  *多重化 ,  特徴抽出 ,  衛星利用画像 ,  意味論 ,  クラスタ化 ,  *光学画像 ,  セグメンテーション
準シソーラス用語： 空間的相関関係 ,  空間相関 ,  高空間分解能 ,  *変化検出 , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (4件)： 光学画像 ,  教師 ,  多重 ,  変化検出