文献

J-GLOBAL ID：201802248109782915   整理番号：18A2039055

リモートセンシングシーン分類のための注意ベースネットワーク【JST・京大機械翻訳】

Attention Based Network for Remote Sensing Scene Classification

著者 (3件)： Liu Shaoteng (School of Computer Science and Center for OPTical IMagery Analysis and Learning, Northwestern Polytechnical University, Xi’an, Shaanxi, 710072, P. R. China) ,  Wang Qi (School of Computer Science and Center for OPTical IMagery Analysis and Learning, Northwestern Polytechnical University, Xi’an, Shaanxi, 710072, P. R. China) ,  Li Xuelong (Xi’an Institute of Optics and Precision Mechanics, Chinese Academy of Sciences, Xi’an, Shaanxi, 710119, P. R. China)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2018  号： IGARSS  ページ： 4740-4743  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： 非常に高分解能のリモートセンシング画像のシーン分類は,その広い範囲の応用のためますます重要になっている。しかしながら,以前の研究は,主に,十分な適応性と表現能力を持たない手craの特徴に基づいている。本論文では,人間の視覚システムの注意メカニズムに触発されて,シーン分類のための新しい注意ベースネットワーク(AttNet)を提案した。それは,画像のいくつかの重要な領域に選択的に焦点を合わせることができるので,冗長な情報を放棄することができる。本質的に,AttNetは監視の信号を再調整する方法を与え,それはリモートセンシングシーン分類のための視覚的注意に関する最初の成功した試みの1つである。著者らの方法は,いくつかの最先端の方法と比較して,UC Mered Land-Use Datasetに関して評価した。実験結果は,提案した方法が収束速度と分類精度の両方に大きな改善をもたらし,また,このタスクに対する視覚的注意の有効性を示した。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 ,  冗長性 ,  高分解能 ,  適応性 ,  *リモートセンシング ,  *ネットワーク
準シソーラス用語： 分類精度 ,  収束速度 ,  最先端 ,  視覚的注意 ,  視覚システム ,  リモートセンシング画像 ,  *シーン分類 , 【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 (3件)： リモートセンシング ,  シーン分類 ,  注意