テクスチャ認識とリモートセンシングシーン分類のための二値パターンコード畳込みニューラルネットワーク【Powered by NICT】

Anwer Rao Muhammad; Khan Fahad Shahbaz; van de Weijer Joost; Molinier Matthieu; Laaksonen Jorma

文献

J-GLOBAL ID：201802268768358115 整理番号：18A0580717

テクスチャ認識とリモートセンシングシーン分類のための二値パターンコード畳込みニューラルネットワーク【Powered by NICT】

Binary patterns encoded convolutional neural networks for texture recognition and remote sensing scene classification

出版者サイト複写サービスで全文入手 {{ this.onShowCLink("http://jdream3.com/copy/?sid=JGLOBAL&noSystem=1&documentNoArray=18A0580717&COPY=1") }}
高度な検索・分析はJDreamⅢで {{ this.onShowJLink("http://jdream3.com/lp/jglobal/index.html?docNo=18A0580717&from=J-GLOBAL&jstjournalNo=H0048A") }}

著者 (5件)： , , , ,
資料名：
巻： 138 ページ： 74-85 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)

現実的なイメージング条件にロバストな設計識別強力なテクスチャ特徴は多くの応用を含む挑戦的なコンピュータビジョン問題,衛星や航空画像の材料認識と解析を含んでいる。過去において,ほとんどのテクスチャ記述アプローチは,局所特徴の高密度無秩序統計的分布に基づいた。しかし,テクスチャ認識とリモートセンシングシーン分類に最も最近のアプローチは畳込みニューラルネットワーク(CNN)に基づいている。これらCNNモデルを学習時の事実上の実際は,大量のラベル付きデータ(ImageNet)の訓練による入力としてRGBパッチを使用することである。本論文では,明示的LBPベースのテクスチャ情報を用いたマッピングによって符号化された画像を用いて訓練された,codenamed TEXネット,局所二値パターン(LBP)コードCNNモデルは標準RGB深部モデルに相補的な情報を提供することを示した。さらに,二つの深いアーキテクチャ,すなわち初期および後期融合は,テクスチャーと色情報を結合した。著者らの知識の及ぶ限りで,著者らはテクスチャ認識とリモートセンシングシーン分類のための二値パターン符号化セルラニューラルネットワークと異なる深いネットワーク融合アーキテクチャを調べる初めてのものである。四テクスチャ認識データセットと四リモートセンシングシーン分類ベンチマーク上で包括的な実験を行った:21シーンカテゴリーでUC Merced,19シーンクラスを持つWHU RS19,7カテゴリーとRSSCN7と最近導入された大規模空中画像データセット(A ID)30空中シーンタイプであった。TEXネットは同じネットワークアーキテクチャの標準RGB深部モデルに相補的な情報を提供することを示した。後期融合TEXネットアーキテクチャは常に両認識問題に対する標準RGBネットワークに比べて,全体的性能を改善した。さらに,最終的な組み合わせは,リモートセンシングシーン分類のための最新技術を超えて一貫した改善をもたらした。Copyright 2018 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【Powered by NICT】

, , , , , , , , , ,
, , , , 【Automatic Indexing@JST】

著者キーワード (5件)： , , , ,

写真測量,空中写真 , 地形データの処理

, , , ,

前のページに戻る