文献

J-GLOBAL ID：202002270100309762   整理番号：20A2447206

修正U-Netフレームワークに基づく大規模SAR画像のための効率的な変化検出【JST・京大機械翻訳】

An Efficient Change Detection for Large SAR Images Based on Modified U-Net Framework

著者 (5件)： Wei Jujie (Institute of Photogrammetry and Remote Sensing, Chinese Academy of Surveying and Mapping, 28 Lianhuachi West Road, Beijing 100036, China) ,  Zhang Yonghong (Institute of Photogrammetry and Remote Sensing, Chinese Academy of Surveying and Mapping, 28 Lianhuachi West Road, Beijing 100036, China) ,  Wu Hong’an (Institute of Photogrammetry and Remote Sensing, Chinese Academy of Surveying and Mapping, 28 Lianhuachi West Road, Beijing 100036, China) ,  Cui Bin (Institute of Photogrammetry and Remote Sensing, Chinese Academy of Surveying and Mapping, 28 Lianhuachi West Road, Beijing 100036, China) ,  Cui Bin (School of Geodesy and Geomatics, Wuhan University, 129 Luoyu Road, Wuhan 430079, China)
資料名： Canadian Journal of Remote Sensing  (Canadian Journal of Remote Sensing)
巻： 46  号： 3  ページ： 272-294  発行年： 2020年 
JST資料番号： W5800A  ISSN： 0703-8992  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： イギリス (GBR)  言語： 英語 (EN)

抄録/ポイント： 大型SAR画像は,通常,多様な土地被覆タイプと複雑な変化タイプを含み,正確な変化検出の大きな困難を引き起こす。U-Netは,画像コンテキストにおいて複数の特徴を捉えるだけでなく,正確な画素ごとの画像分類を可能にする特殊な完全畳込みニューラルネットワークである。したがって,高精度変化検出のための二時間SAR画像間の差異を正確に記述するためにU-Netを探索した。しかし,大きなシーンSAR画像は,様々な変化タイプに対して,しばしば著しく異なる統計的分布を持ち,U-Netを適切に作動させる。ネットワーク訓練中の勾配消失または分散のリスクを回避するための入力データの統計的分布を正規化するために,あらゆるニューロンの入力でバッチ正規化(BN)操作を導入することによってU-Netを修正した。さらに,ELU(指数関数的線形ユニット)活性化関数は,ReLU(線形ユニット)関数を置換し,さらに勾配逆伝搬を改善した。次に,著者らは,中国,江蘇省をカバーする二時間Sentinel-1SARデータを選択し,種々の数の畳み込みカーネルを有する修正ネットワークの検出性能とモデル複雑性を,定量的および定性的に議論した。Please refer to the publisher for the copyright holders. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 畳込み ,  ネットワーク ,  ニューロン ,  指数関数 ,  画素 ,  線形性 ,  *正規化 ,  土地被覆
準シソーラス用語： 画像分類 ,  変化検出 ,  活性化関数 ,  複雑性 ,  高精度 ,  *SAR画像 ,  畳込みニューラルネットワーク , 【Automatic Indexing@JST】

分類 (2件)： 図形・画像処理一般  (JE04010I) ,  リモートセンシング一般  (AD04000L)

タイトルに関連する用語 (5件)： U-Net ,  フレームワーク ,  大規模 ,  SAR画像 ,  変化検出