文献

J-GLOBAL ID：202002249526729983   整理番号：20A1242377

高分解能空中画像に基づく自動ビルディング抽出【JST・京大機械翻訳】

Automatic Building Extraction Based on High Resolution Aerial Images

著者 (2件)： Hu Yiwen (Wuhan Polytechnic University,School of Mathematics and Computer Science,Wuhan,China) ,  Guo Fenglin (Wuhan Polytechnic University,School of Mathematics and Computer Science,Wuhan,China)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2019  号： EITCE  ページ： 1017-1020  発行年： 2019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： 建物抽出は研究のホットスポットである。リモートセンシング画像における建物は多数であり,建物は異なる地域において異なる分布パターンを有しており,それはすべての地域に対して1つの伝統的方法によって建物を抽出することが困難であることを意味する。深い学習はコンピュータバージョンと画像処理のより多くの重要な部分を果たして,それは特に医用グラフィック認識において,ターゲット検出と同定においていくつかの進歩を作った。本論文では,3つの共通データセットを比較し,最も適切なデータセットを選択した。マスクR-CNNをこのデータセットに適用した。著者らは,より良い方法を提供して,この方法は,データセットが訓練のために十分豊かであるとき,異なる区域において使用することができた。本論文における方法は,同定と抽出が1つのネットワークで達成されるので,他のステップなしで自動的に建物を抽出するために高分解能空中画像を必要とする。研究は以下を示した。選択したデータセットは適切である。マスクR-CNNは高分解能遠隔画像で使用できる。マスクR-CNNは,建物抽出において良好であり,分類および漏れの損失を大いに減少させた。したがって,本論文は自動建築物抽出のための適切な方法を提供した。Copyright 2020 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： ネットワーク ,  画像処理 ,  ホットスポット ,  *高分解能 ,  コンピュータ
準シソーラス用語： 物体抽出 ,  ターゲット検出 ,  リモートセンシング画像 ,  *空中画像 ,  建物抽出 , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (3件)： 高分解能 ,  空中画像 ,  ビルディング