文献

J-GLOBAL ID：201802276800803553   整理番号：18A1449454

高密度デコンボリューションネットワークのリモートセンシング建築物抽出への応用【JST・京大機械翻訳】

Application of densely connected deconvolutional neural network in building extraction from remote sensing images

著者 (3件)： Zhang Huan (中国科学院 電子学研究所,北京100190;中国科学院大学,北京100039) ,  Lei Hong (中国科学院 電子学研究所,北京,100190) ,  Chen Kaiqiang (中国科学院 電子学研究所,北京100190;中国科学院大学,北京100039)
資料名： Jisuanji Gongcheng yu Yingyong  (Jisuanji Gongcheng yu Yingyong)
巻： 54  号： 11  ページ： 140-144,152  発行年： 2018年 
JST資料番号： C2533A  ISSN： 1002-8331  CODEN： JGYYAT  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 中国 (CHN)  言語： 中国語 (ZH)

抄録/ポイント： リモートセンシング画像のカバー範囲が広く、シーンが複雑であるため、現在、畳み込みニューラルネットワークに基づく建物抽出方法は層数が少ないため、画像の抽象情報を充分にマイニングできず、正解率が低く、誤り率が高い。ネットワークの層数の簡単な増加により,勾配流の消失や情報フローの分散などの問題が生じ,効果的にネットワークを訓練できない。デコンボリューションネットワークに密着接続方式を導入し,新しい深層密集デコンボリューションニューラルネットワークを提案した。このネットワークは51層の畳み込み重み層を共有し、マルチレベル画像の特徴を自動的に学ぶことができ、画像情報を十分掘り、そしてこのネットワークはエンドツーエンドの訓練可能で、深層ネットワーク中の情報の伝達が消える問題を避けることができる。同時に、デコンボリューションネットワークを利用して画素レベルの建物抽出を実現し、ISPRS2Dのリモートセンシングマーキングデータセットに良好な表現があり、強い実際応用価値を持つ。Data from Wanfang. Translated by JST.【JST・京大機械翻訳】

シソーラス用語： 画素 ,  畳込み ,  *ネットワーク ,  *デコンボリューション ,  *リモートセンシング ,  画像 ,  誤り率 ,  エンドツーエンド方式 ,  付着 ,  深層 ,  ニューラルネットワーク ,  マーキング
準シソーラス用語： マルチレベル ,  正解率 ,  リモートセンシング画像 , 【Automatic Indexing@JST】

著者キーワード (5件)： building extraction ,  remote sensing image ,  dense connection ,  convolutional neural network ,  deconvolution

分類 (2件)： 数値計算  (JE02000J) ,  図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (5件)： デコンボリューション ,  リモートセンシング ,  建築 ,  物抽出 ,  応用