文献

J-GLOBAL ID：201802264528137061   整理番号：18A1648308

空中画像の地理的正則化意味セグメンテーションのための深いマルチタスク学習【JST・京大機械翻訳】

Deep multi-task learning for a geographically-regularized semantic segmentation of aerial images

著者 (2件)： Volpi Michele (Swiss Data Science Center, ETH Zurich, Switzerland) ,  Tuia Devis (Laboratory of GeoInformation Science and Remote Sensing, Wageningen University and Research, The Netherlands)
資料名： ISPRS Journal of Photogrammetry and Remote Sensing (International Society for Photogrammetry and Remote Sensing)  (ISPRS Journal of Photogrammetry and Remote Sensing (International Society for Photogrammetry and Remote Sensing))
巻： 144  ページ： 48-60  発行年： 2018年 
JST資料番号： H0048A  ISSN： 0924-2716  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： デシメートル空間分解能範囲におけるオーバーヘッド画像の意味論的セグメンテーションに近づくとき,成功戦略は通常,空間正則化のための戦略(例えば条件付きランダム場のようなグラフィカルモデル)による意味クラス(例えば畳込みニューラルネットワーク)の視覚的出現を学習する強力な方法を結合する。本論文では,複数タスク畳込みニューラルネットワークアーキテクチャによりモデル化された,クラスと浅いから深い視覚的特徴を横切る意味論的境界,意味境界の形式における証拠を学習する方法を提案した。このボトムアップ情報を,領域間の構造的,空間的およびデータ依存的対関係に関連する制約を持つセグメントの階層を横切るラベル空間を最適化する条件付きランダムフィールドモデルにより符号化したトップダウン空間正則化と組み合わせた。著者らの結果は,そのような戦略が最先端技術を反映する一連の強いベースラインより良い正則化を提供することを示した。提案された戦略は,視覚的および構造的情報のいくつかのソースを含むために,柔軟な,そして,基本的なフレームワークを提供し,一方,期待される出力構造についての事前を説明する空間正則化の異なる程度を可能にする。Copyright 2018 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 意味論 ,  *正則化 ,  *地理学 ,  *画像 ,  *セグメンテーション ,  最適化 ,  モデリング ,  視覚 ,  畳込み ,  モデル
準シソーラス用語： ボトムアップ ,  畳込みニューラルネットワーク ,  信念ネットワーク ,  オーバヘッド ,  *空中画像 , 【Automatic Indexing@JST】

著者キーワード (7件)： 意味セグメンテーション ,  意味的境界検出 ,  畳み込みニューラルネットワーク ,  条件付き確率場 ,  マルチタスク学習 ,  決定計の分解能 ,  航空画像

分類 (2件)： 写真測量,空中写真  (RC02040D) ,  図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (6件)： 空中画像 ,  地理 ,  正則化 ,  意味 ,  セグメンテーション ,  マルチタスク学習