文献

J-GLOBAL ID：201902250727117067   整理番号：19A1849432

深さコンボリューションネットワークに基づくリモートセンシング画像建築物分割法【JST・京大機械翻訳】

A Building Segmentation Method Based on Deep Convolution Networks for Remote Sensing Imagery

著者 (2件)： Yu Wei (貴州大学計算机科学与技術学院,貴州貴陽,550025) ,  Long Huiyun (貴州大学計算机科学与技術学院,貴州貴陽,550025)
資料名： Jisuanji Jishu yu Fazhan  (Jisuanji Jishu yu Fazhan)
巻： 29  号： 6  ページ： 57-61  発行年： 2019年 
JST資料番号： C3602A  ISSN： 1673-629X  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： 大規模可視光リモートセンシング画像の建物抽出はリモートセンシング画像分析分野における重要な仕事であるが、実際の環境では、都市建築物の寸法範囲の変化が大きく、色テクスチャの輪郭が複雑で、樹木などによる遮蔽、及び照明などの原因によって、建物の分割精度に影響を与える。そこで、本文では二種類のエンドツーエンド全畳込みニューラルネットワークの分割方法を設計・実現し、2つのネットワークモデルに剪定層を加え、予測結果で生じるモザイク痕跡問題を解決し、同時にIOU評価標準変形を損失関数に加え、モデル分割精度を高めた。2つのモデルは,異なるスケールでのリモートセンシング画像をネットワーク入力として採用し,ネットワークモデルの出力結果を加重方式で融合し,リモートセンシング画像の建築物認識とセグメンテーション精度を改善した。公開Inriaリモートセンシング画像データセットに関する実験は,リモートセンシング画像建築物のセグメンテーションにおけるこの方法の有効性を証明した。Data from Wanfang. Translated by JST.【JST・京大機械翻訳】

シソーラス用語： セグメンテーション ,  *分割法 ,  都市 ,  損失関数 ,  予測 ,  エンドツーエンド方式 ,  モザイク性 ,  *ネットワーク ,  有効性 ,  可視光
準シソーラス用語： 加重 ,  ネットワークモデル ,  畳込みニューラルネットワーク ,  質感 ,  *リモートセンシング画像 , 【Automatic Indexing@JST】

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)： コンボリューション ,  リモートセンシング画像 ,  建築物 ,  分割法