文献

J-GLOBAL ID：201802278597177900   整理番号：18A0029618

スケール不変畳込みニューラルネットワークに基づくシーンの意味論的分類【Powered by NICT】

Scene semantic classification based on scale invariance convolutional neural networks

著者 (5件)： Liu Yanfei (State Key Laboratory of Information Engineering in Surveying, Mapping, and Remote Sensing, Wuhan University, P. R. China) ,  Zhong Yanfei (State Key Laboratory of Information Engineering in Surveying, Mapping, and Remote Sensing, Wuhan University, P. R. China) ,  Zhao Ji (School of Computer Science, China University of Geosciences, Wuhan, P. R. China) ,  Ma Ailong (State Key Laboratory of Information Engineering in Surveying, Mapping, and Remote Sensing, Wuhan University, P. R. China) ,  Qin Qianqing (State Key Laboratory of Information Engineering in Surveying, Mapping, and Remote Sensing, Wuhan University, P. R. China)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： IGARSS  ページ： 4754-4757  発行年： 2017年 
JST資料番号： W2441A  資料種別： 会議録 (C)
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： 畳込みニューラルネットワーク(CNN)は,リモートセンシングシーン分類に導入し,優れた性能を達成した。しかし,リモートセンシング情景画像中に含まれる物体のスケール変化は,スケールにロバストな特徴を抽出を困難にしている,分類精度の更なる改善を制限する。本論文では,スケール不変畳込みニューラルネットワーク(SICNN)と命名したシーン分類法は,リモートセンシングシーン分類のために提案した。提案した方法では,一つの画像をランダムに生成した異なるスケールを持つ二つの画像はいくつかの反復間隔で訓練のための同時にCNNに供給した。類似度層は二画像できるだけ近いから抽出した二特徴ベクトルの距離をSICNNに添加し,抽出した特徴をスケールに対してロバストであった。UC Mercedデータセット,SIRI WHUのGoogleデータセット,二データセットを用いた実験結果は,提案した方法の有効性を実証した。Copyright 2018 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】

シソーラス用語： *畳込み ,  リモートセンシング ,  画像 ,  *ニューラルネットワーク ,  ロバスト性 ,  *意味論 ,  *不変性
準シソーラス用語： Google ,  特徴ベクトル ,  類似度 ,  分類精度 ,  シーン分類 , 【Automatic Indexing@JST】

分類 (1件)： パターン認識  (JE07000S)

タイトルに関連する用語 (6件)： スケール ,  不変 ,  畳込みニューラルネットワーク ,  シーン ,  意味論 ,  分類