文献

J-GLOBAL ID：202002256065930790   整理番号：20A2307221

改良YOLOv3に基づく合成開口レーダ画像における建築物検出アルゴリズム【JST・京大機械翻訳】

A SAR Image Building Detection Algorithm Based on Improved YOLOv3

著者 (3件)： Li Xiang (火箭軍工程大学核工程学院,陜西西安710025;96823部隊,云南昆明650000) ,  Su Juan (火箭軍工程大学核工程学院,陜西西安710025) ,  Yang Long (火箭軍工程大学核工程学院,陜西西安710025;96873部隊,陜西宝鶏721000)
資料名： Binggong Xuebao  (Binggong Xuebao)
巻： 41  号： 7  ページ： 1347-1359  発行年： 2020年 
JST資料番号： C2399A  ISSN： 1000-1093  CODEN： BIXUD9  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： 伝統的合成開口レーダ(SAR)画像における建築物検出アルゴリズムは,特定の場面における人工的抽出特徴によって特定された種類の建物の検出において,低い検出精度と低い検出効率の問題を抱えている。このために,改良YOLOv3に基づくSAR画像における建築物検出アルゴリズムを提案し,深さ学習を通して建築物の自動検出を実現した。SAR画像における建築物データセットを製作し,建物のサイズ特性に従って,改良K平均クラスタ化アルゴリズムにより,事前フレームサイズを再配置した。YOLOv3スケルトンネットワークにおいて,特徴層を構築するための単一チャネル畳込み残差モジュールを,構造的に深さニューラルネットワークの重合残差変換のアイデアを参照して,マルチチャネル畳込み残差モジュールに改良して,チャネル情報利用率を改善して,計算負荷を減らした。浅層特徴融合モジュールを追加し、特徴図における建物の形状特徴が占める割合を増し、特徴融合層の前に、転置畳込みを用いて上サンプリングを行い、詳細特徴を増やした。改良YOLOv3アルゴリズムを用いて,建物検出モデルの訓練を行い,試験セット上でテストした。実験結果は,オリジナルのYOLOv3アルゴリズムと比較して,改良YOLOv3アルゴリズムが,SAR画像における建築物データセットにおける平均検出精度を9.2%改善し,再現率を6.3%向上させ,同時に,高速検出速度を維持することを示した。Data from Wanfang. Translated by JST.【JST・京大機械翻訳】

シソーラス用語： *アルゴリズム ,  畳込み ,  情報利用 ,  ニューラルネットワーク ,  残差 ,  重合 ,  クラスタ化 ,  チャネル ,  検出効率 ,  *合成開口レーダ
準シソーラス用語： 自動検出 ,  計算負荷 ,  *SAR画像 ,  *検出アルゴリズム ,  特徴融合 , 【Automatic Indexing@JST】

分類 (2件)： 計算機シミュレーション  (JE11000H) ,  図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (3件)： 合成開口レーダ画像 ,  建築物 ,  検出アルゴリズム