文献

J-GLOBAL ID：202002282800067847   整理番号：20A0961154

超高分解能衛星画像における物体検出のための拡張アンカーを用いた畳込みニューラルネットワーク【JST・京大機械翻訳】

Convolutional Neural Network with Dilated Anchors for Object Detection in Very High Resolution Satellite Images

著者 (5件)： Laban Noureldin (National Authority for Remote Sensing and Space Sciences,Data Reception and Analysis Division,Cairo,Egypt) ,  Abdellatif Bassam (National Authority for Remote Sensing and Space Sciences,Data Reception and Analysis Division,Cairo,Egypt) ,  Ebeid Hala M. (Faculty of Computer and Information Sciences, Ain Shams University,Cairo,Egypt) ,  Shedeed Howida A. (Faculty of Computer and Information Sciences, Ain Shams University,Cairo,Egypt) ,  Tolba Mohamed F. (Faculty of Computer and Information Sciences, Ain Shams University,Cairo,Egypt)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2019  号： ICCES  ページ： 34-39  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： 今日,オブジェクト検出は通常の画像または衛星画像のいずれかにおいて大きな濃度を獲得している。衛星画像に対して,オブジェクト検出は,オブジェクトが非常に複雑な背景で異なるスケールとスパース性を持つので,挑戦的な問題である。最近の深い学習手法は,従来のものよりも物体検出のための破壊結果を達成した。完全で正確な方法で既存の物体を捕獲するための境界ボックスの能力は依然として困難な問題である。オブジェクト検出をより柔軟で正確にするために,You Only Look Onceバージョン3(YOLOv3)アルゴリズムに基づく拡張アンカー法を提案した。提案した方法は,従来のものより約30%~40%大きいサイズのアンカー境界ボックスを使用する。アンカーサイズのこの増加は,位置検出に及ぼす影響が少ないより多くのクラスオブジェクトを捕獲する能力を増加させる。公共NWPU VHR-10データセットを用いた実験結果は,ほとんどのクラスのオブジェクト検出における提案方法の有効性を実証し,正確な位置に及ぼす最小の影響で全体の精度を増加させる。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 ,  学習 ,  *衛星利用画像 ,  有効性
準シソーラス用語： スパース性 ,  *物体検出 ,  位置検出 ,  高分解能衛星画像 ,  *畳込みニューラルネットワーク , 【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 (5件)： 高分解能衛星画像 ,  物体検出 ,  拡張 ,  アンカー ,  畳込みニューラルネットワーク