文献

J-GLOBAL ID：201902224916582252   整理番号：19A2212048

Treeunet:サブデシメータ空中画像セグメンテーションのための適応ツリー畳込みニューラルネットワーク【JST・京大機械翻訳】

TreeUNet: Adaptive Tree convolutional neural networks for subdecimeter aerial image segmentation

著者 (12件)： Yue Kai (Beijing University of Chemical Technology, Beijing, China) ,  Yue Kai (College of Information Science & Technology, North Third Ring Road 15, Chaoyang District, Beijing 100029, China) ,  Yang Lei (Beijing University of Chemical Technology, Beijing, China) ,  Yang Lei (College of Information Science & Technology, North Third Ring Road 15, Chaoyang District, Beijing 100029, China) ,  Li Ruirui (Beijing University of Chemical Technology, Beijing, China) ,  Li Ruirui (College of Information Science & Technology, North Third Ring Road 15, Chaoyang District, Beijing 100029, China) ,  Hu Wei (Beijing University of Chemical Technology, Beijing, China) ,  Hu Wei (College of Information Science & Technology, North Third Ring Road 15, Chaoyang District, Beijing 100029, China) ,  Zhang Fan (Beijing University of Chemical Technology, Beijing, China) ,  Zhang Fan (College of Information Science & Technology, North Third Ring Road 15, Chaoyang District, Beijing 100029, China) ,  Li Wei (Beijing University of Chemical Technology, Beijing, China) ,  Li Wei (College of Information Science & Technology, North Third Ring Road 15, Chaoyang District, Beijing 100029, China)
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： 156  ページ： 1-13  発行年： 2019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： 複雑なリモートセンシング内容と光学的条件の結果として,サブデシメートル空中画像セグメンテーションのために,細粒意味セグメンテーション結果は典型的に得ることが困難である。最近,畳込みニューラルネットワーク(CNNs)はこのタスクにおいて優れた性能を示している。多くの深いニューラルネットワーク構造と技術が精度を改善するために適用されているが,容易に混乱したクラスの識別を改善することに注意を払っている。本論文では,画素レベルで分類率を増加させるために,適応ネットワークを用いるツールであるTreeUNetを提案した。具体的には,深い意味モデルインフラストラクチャに基づいて,各ノードがResNeXtユニットを表すTree-CNNブロックを,混乱マトリックスと提案したTreeCutingアルゴリズムに従って適応的に構築した。連結接続を通して特徴マップを伝送することによって,Tree-CNNブロックはマルチスケール特徴を融合し,モデルのために最良の重みを学習する。ISPRS二次元VaihingenとPotsダム意味ラベリングデータセットに関する実験において,TreeUNetによって得られた結果は,公表された最先端の方法の間で競争力がある。詳細な比較と解析は,適応可能なTree-CNNブロックによってもたらされた改良が重要であることを示した。Copyright 2019 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： リモートセンシング ,  カオス ,  *セグメンテーション ,  *ニューラルネットワーク ,  ダム ,  インフラストラクチャー ,  アルゴリズム ,  二次元 ,  画素 ,  モデル
準シソーラス用語： マルチスケール ,  特徴マップ ,  適応ネットワーク ,  *畳込みニューラルネットワーク ,  *画像セグメンテーション , 【Automatic Indexing@JST】

著者キーワード (6件)： 航空画像 ,  意味セグメンテーション ,  木構造 ,  適応ネットワーク ,  ISPRS ,  CNN

分類 (1件)： 写真測量,空中写真  (RC02040D)

タイトルに関連する用語 (4件)： 空中画像 ,  セグメンテーション ,  適応 ,  畳込みニューラルネットワーク