文献

J-GLOBAL ID：202002286789279441   整理番号：20A2001269

衛星画像の変化を検出するための変化ネット学習【JST・京大機械翻訳】

ChangeNet Learning to Detect Changes in Satellite Images

著者 (3件)： Chen Ying (Illinois Institute of Technology, Chicago, Illinois) ,  Ouyang Xu (Illinois Institute of Technology, Chicago, Illinois) ,  Agam Gady (Illinois Institute of Technology, Chicago, Illinois)
資料名： ACM Proceedings  (ACM Proceedings)
号： GeoAI 2019  ページ： 24-31  発行年： 2019年 
JST資料番号： D0698C  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： 衛星画像の時間的シーケンスにおける変化検出は,土地被覆モニタリング,都市膨張評価,森林劣化評価,および鉱山サイトモニタリングのような多くのリモートセンシング応用の重要な構成要素である。この論文の目的は,同じ位置で撮影された時変画像における関連するピクセルワイズ変化を局所化し,同定することである。画像における関連変化の検出は,照明変動,影,オクルージョン,および可能な季節変化のような変化の「重要」または「nuさ」形態のために困難である。変化検出のための伝統的方法は,洗練された画像前処理とおそらく手動相互作用を必要とする。本研究では,条件付きGenerative Adversarial Networkを用いて,衛星画像における高密度変化検出のためのエンドツーエンドアプローチを示した。条件付きGANネットワークを用いて,予想と予測ラベル分布間のギャップを閉じることによって分類結果を改善した。実験結果は,提案方法が既存の方法と比較してより良い性能を達成することを示した。Please refer to this article’s citation page on the publisher website for specific rights information. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 相互作用 ,  *学習 ,  ネットワーク ,  鉱山 ,  都市膨張 ,  季節的変動 ,  リモートセンシング ,  エンドツーエンド方式 ,  *衛星利用画像 ,  土地被覆 ,  オクルージョン
準シソーラス用語： 変化検出 ,  照明変化 ,  森林劣化 ,  画像前処理 , 【Automatic Indexing@JST】

著者キーワード (6件)： 変化ネット ,  DNN ,  GAN ,  U-Net ,  変化検出 ,  衛星画像

分類 (2件)： リモートセンシング一般  (AD04000L) ,  写真測量,空中写真  (RC02040D)

タイトルに関連する用語 (3件)： 衛星画像 ,  ネット ,  学習