文献

J-GLOBAL ID：201802248160888429   整理番号：18A0845493

深部残留U-NETによる道路抽出【JST・京大機械翻訳】

Road Extraction by Deep Residual U-Net

著者 (3件)： Zhang Zhengxin (State Key Laboratory of Virtual Reality Technology and Systems, School of Computer Science and Engineering, Beihang University, Beijing, China) ,  Liu Qingjie (State Key Laboratory of Virtual Reality Technology and Systems, School of Computer Science and Engineering, Beihang University, Beijing, China) ,  Wang Yunhong (State Key Laboratory of Virtual Reality Technology and Systems, School of Computer Science and Engineering, Beihang University, Beijing, China)
資料名： IEEE Geoscience and Remote Sensing Letters  (IEEE Geoscience and Remote Sensing Letters)
巻： 15  号： 5  ページ： 749-753  発行年： 2018年 
JST資料番号： W1397A  ISSN： 1545-598X  CODEN： IGRSBY  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： 空中画像からの道路抽出はリモートセンシング画像解析の分野における最新の研究課題である。本論文では,残差学習とUネットの強度を組み合わせた意味セグメンテーションニューラルネットワークを,道路面積抽出のために提案した。ネットワークは残留ユニットで構築され,Uネットと類似のアーキテクチャを持っている。このモデルの利点は2つである:最初に,残留ユニットは深いネットワークの訓練を容易にする。第2に,ネットワーク内の豊富なスキップ接続は情報伝搬を容易にすることができ,より少ないパラメータでネットワークを設計することを可能にしたが,より良い性能を示した。著者らは,公共道路データセットに関する著者らのネットワークをテストして,それをU-ネットと他の2つの最先端の深い学習に基づく道路抽出方法によって比較した。提案した手法は,すべての比較法より優れており,最近開発された芸術の状態に対する優位性を実証した。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： 学習 ,  ネットワーク ,  計算機アーキテクチャ ,  *道路 ,  残差
準シソーラス用語： 比較法 ,  情報伝播 ,  リモートセンシング画像 ,  空中画像 ,  *道路抽出 , 【Automatic Indexing@JST】

分類 (2件)： パターン認識  (JE07000S) ,  通信方式一般  (ND07010E)

タイトルに関連する用語 (4件)： 深部 ,  残留 ,  U-Net ,  道路抽出