文献

J-GLOBAL ID：202002264152890294   整理番号：20A0826982

W-NETからCDGANへ:深層学習技術によるビットマップ変化検出【JST・京大機械翻訳】

From W-Net to CDGAN: Bitemporal Change Detection via Deep Learning Techniques

著者 (4件)： Hou Bin (Beihang University, Beijing, China) ,  Liu Qingjie (Beihang University, Beijing, China) ,  Wang Heng (Beihang University, Beijing, China) ,  Wang Yunhong (Beihang University, Beijing, China)
資料名： IEEE Transactions on Geoscience and Remote Sensing  (IEEE Transactions on Geoscience and Remote Sensing)
巻： 58  号： 3  ページ： 1790-1802  発行年： 2020年 
JST資料番号： H0016B  ISSN： 0196-2892  CODEN： IGRSD2  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： 従来の変化検出法は,通常,画像差分,変化特徴抽出,および分類フレームワークに従い,それらの性能は,そのような単純な画像領域差分と,また,手craの特徴によって制限される。最近,深部畳込みニューラルネットワーク(CNNs)の成功は,強力な表現能力のためにコンピュータビジョンの全分野にわたって広く広がっている。したがって,本論文では,深い学習技術によるリモートセンシング画像変化検出問題に取り組んだ。著者らは,最初に,従来の変化検出モデルにおけるように,2つの双時間画像の入力を入力として,W-Netと呼ばれるエンドツーエンド二重分岐アーキテクチャを提案した。このようにして,より強力な代表的能力を有するCNN特徴を,最終検出性能を上げるために得ることができた。さらに,W-Netは,従来の画像領域よりもむしろ特徴領域において異なる性能を発揮し,これは変化を決定するための有用な情報の損失を大きく軽減する。さらに,画像変換問題としての変化検出を再定式化することにより,著者らのW-Netが発電機として役立つ最近の一般的な生成敵ネットワーク(GAN)を適用し,CDGANと呼ぶ変化検出のための新しいGANアーキテクチャを導いた。我々のネットワークを訓練し,将来の研究を容易にするために,Google地球から画像を収集することにより大規模データセットを構築し,注意深く人手で注釈された地上信用を提供する。実験は,著者らの提案方法が既存の最先端のベースラインより優れた細粒変化検出結果を提供することができることを示した。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： *学習 ,  ネットワーク ,  定式化 ,  エンドツーエンド方式 ,  画像変換 ,  特徴抽出 ,  基準線 ,  地球 ,  コンピュータビジョン ,  計算機アーキテクチャ
準シソーラス用語： 大規模データセット ,  Google ,  リモートセンシング画像 ,  畳込みニューラルネットワーク ,  *深層学習 , 【Automatic Indexing@JST】

分類 (4件)： パターン認識  (JE07000S) ,  人工知能  (JE08000Z) ,  医用画像処理  (JE04020T) ,  図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (3件)： 深層学習 ,  ビットマップ ,  変化検出