文献

J-GLOBAL ID：202002259560926453   整理番号：20A2765054

カスケード生成敵対ネットワークに基づくリモートセンシング画像除去アルゴリズム【JST・京大機械翻訳】

Remote Sensing Images Dehazing Algorithm based on Cascade Generative Adversarial Networks

著者 (2件)： Sun Xiao (Yantai University,School of Computer and Control Engineering,Yantai,China) ,  Xu Jindong (Yantai University,School of Computer and Control Engineering,Yantai,China)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2020  号： CISP-BMEI  ページ： 316-321  発行年： 2020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： 深層学習ネットワークに基づく既存のリモートセンシング画像デザジング法は,通常,モデルを訓練するために,明確な画像と対応するヘイズ画像のペアを使用する。しかし,明確な画像とそれらのヘイズ対応物の対は非常に不足しており,そして,合成煙霧画像は,実世界シナリオにおける実際の煙霧発生過程を正確にシミュレートできなかった。この問題に取り組むために,2つのGAN(生成敵対ネットワーク)を結合するカスケード法を提案した。それは学習からヘイズGAN(UGAN)と学習からデヘイズGAN(PAGAN)を含む。UGANは,不対な明確で煙霧の画像集合でリモートセンシング画像をいかにヘイズするかを学習し,次にPAGANをガイドして,そのような画像を正しく解読する方法を学習する。実際の煙霧と合成煙霧画像の間の不一致を減らすために,著者らはPAGANに自己注意機構を追加した。詳細は,すべての特徴位置から手がかりを用いて発生できる。さらに,識別器は,互いに一貫した画像の遠隔部分の非常に詳細な特徴をチェックすることができた。他の脱穀法と比較して,このアルゴリズムは,ネットワークを繰り返し訓練するために,多数の画像対を必要としない。そして,結果は,カスケード生成敵対ネットワークが,煙霧,薄雲の除去のために,視覚と定量的有効性を持つことを示した。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： *アルゴリズム ,  視覚 ,  弁別器 ,  学習 ,  *ネットワーク ,  脱穀 ,  有効性
準シソーラス用語： 巻層雲 ,  煙霧 ,  ヘイズ ,  *リモートセンシング画像 ,  深層学習 , 【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 (4件)： カスケード ,  敵対 ,  リモートセンシング画像 ,  アルゴリズム