文献

J-GLOBAL ID：201902291744762927   整理番号：19A1179036

リモートセンシングRGB画像における特定航空機検出のための新しいデータ増強法【JST・京大機械翻訳】

A Novel Data Augmentation Method for Detection of Specific Aircraft in Remote Sensing RGB Images

著者 (3件)： Yan Yiming (Department of Information Engineering, Harbin Engineering University, Harbin, China) ,  Zhang Yumo (Department of Information Engineering, Harbin Engineering University, Harbin, China) ,  Su Nan (Department of Information Engineering, Harbin Engineering University, Harbin, China)
資料名： IEEE Access  (IEEE Access)
巻： 7  ページ： 56051-56061  発行年： 2019年 
JST資料番号： W2422A  ISSN： 2169-3536  資料種別： 逐次刊行物 (A)
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： 本論文では,リモートセンシングRGB画像における特定航空機の検出のための新しいデータ増強法を提案した。オブジェクト検出のために,訓練データの数は,深い学習ネットワークの訓練に大きな影響を及ぼす。研究者は,深い学習における広範な訓練サンプルが不可欠であることを示唆している。広範な訓練サンプルは,オブジェクト検出の精度とロバスト性を保証することができる。特定航空機として軍用機とヘリコプタに言及した。特定の航空機のリモートセンシング画像の数が民間航空機のそれよりはるかに少ないので,利用可能な特定の航空機画像を用いるだけで,理想的な検出モデルを訓練することは困難である。深い学習ネットワークは耐故障性と一般化に優れた能力を持ち,模擬航空機サンプルから特徴を抽出できる。これは,シミュレートした航空機サンプルが部分的に実際の画像をある程度置き換えることができ,検出モデルの必要性を低減できることを意味する。これに触発されて,真のリモートセンシング画像を特定の航空機三次元モデルと組み合わせて,シミュレーション画像を形成した。フリッピングや回転のような以前のデータ増強法と比較して,著者らの方法は新しいサンプル情報をもたらす。リモートセンシング画像に基づく実験は,著者らの方法の実現可能性と有効性を示した。一方,提案した方法は他のデータ増強法と互換性がある。Copyright 2019 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： フォールトトレランス ,  *リモートセンシング ,  学習 ,  ヘリコプタ ,  *画像 ,  *航空機 ,  シミュレーション ,  ロバスト性 ,  ネットワーク ,  モデル ,  互換性 ,  民間機 ,  有効性
準シソーラス用語： リモートセンシング画像 ,  物体検出 , 【Automatic Indexing@JST】

分類 (2件)： 図形・画像処理一般  (JE04010I) ,  パターン認識  (JE07000S)

タイトルに関連する用語 (4件)： リモートセンシング ,  RGB画像 ,  航空機 ,  データ増強