文献

J-GLOBAL ID：201802248777664413   整理番号：18A1806464

リモートセンシング画像の意味セグメンテーションのための低ショット学習【JST・京大機械翻訳】

Low-Shot Learning for the Semantic Segmentation of Remote Sensing Imagery

著者 (3件)： Kemker Ronald (Machine and Neuromorphic Perception Laboratory, Carlson Center for Imaging Science, Rochester Institute of Technology, Rochester, NY, USA) ,  Luu Ryan (Machine and Neuromorphic Perception Laboratory, Carlson Center for Imaging Science, Rochester Institute of Technology, Rochester, NY, USA) ,  Kanan Christopher (Machine and Neuromorphic Perception Laboratory, Carlson Center for Imaging Science, Rochester Institute of Technology, Rochester, NY, USA)
資料名： IEEE Transactions on Geoscience and Remote Sensing  (IEEE Transactions on Geoscience and Remote Sensing)
巻： 56  号： 10  ページ： 6214-6223  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： RGB画像(例えば,物体認識と検出)による深い学習を用いたコンピュータビジョンにおける最近の進歩は,大規模な注釈付きRGB画像データセットの開発により可能になった。対照的に,マルチスペクトル画像(MSI)とハイパースペクトル画像(HSI)データセットは,使用される広範囲のセンサのために,部分的に,はるかに少ないラベル付き画像を含んでいる。これらのアノテーションは,画像アノテーションを生成するために労働集約的であるため,リモートセンシング画像の意味的セグメンテーションまたは画素分類に対して特に制限されている。低ショット学習アルゴリズムは,より少ない量の注釈データにもかかわらず,有効な推論を行うことができる。本論文では,意味セグメンテーションのための自己学習特徴学習を用いた低ショット学習を研究した。紹介した。1)HSIとMSIデータのための改良自己学習特徴学習フレームワークと2)半教師つき分類アルゴリズム。これらが結合されるとき,それらは利用可能なほとんど注釈された訓練データを持たないリモートセンシングデータセットに関する最先端の性能を達成する。これらの低ショット学習フレームワークは,手動画像アノテーション負荷を減少させ,リモートセンシング画像のための意味的セグメンテーション性能を改善する。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： アルゴリズム ,  *画像 ,  センサ ,  コンピュータビジョン ,  物体認識 ,  *学習 ,  *セグメンテーション ,  アノテーション ,  学習アルゴリズム ,  *粒状材
準シソーラス用語： 訓練データ ,  画像アノテーション ,  ハイパースペクトル画像 ,  マルチスペクトル画像 ,  *リモートセンシング画像 , 【Automatic Indexing@JST】

分類 (2件)： 人工知能  (JE08000Z) ,  パターン認識  (JE07000S)

タイトルに関連する用語 (5件)： リモートセンシング画像 ,  意味 ,  セグメンテーション ,  ショット ,  学習