文献

J-GLOBAL ID：202002293186124651   整理番号：20A1495591

リモートセンシング画像変化検出のためのマルチスケール畳込みニューラルネットワーク【JST・京大機械翻訳】

Multi-scale Convolutional Neural Network for Remote Sensing Image Change Detection

著者 (6件)： Yu Xiao (School of Civil and Architectural Engineering, Shandong University of Technology, Zibo, China) ,  Fan Junfu (School of Civil and Architectural Engineering, Shandong University of Technology, Zibo, China) ,  Zhang Peng (School of Civil and Architectural Engineering, Shandong University of Technology, Zibo, China) ,  Han Liusheng (School of Civil and Architectural Engineering, Shandong University of Technology, Zibo, China) ,  Zhang Dafu (School of Civil and Architectural Engineering, Shandong University of Technology, Zibo, China) ,  Sun Guangwei (School of Civil and Architectural Engineering, Shandong University of Technology, Zibo, China)
資料名： Communications in Computer and Information Science  (Communications in Computer and Information Science)
巻： 1228  ページ： 234-242  発行年： 2020年 
JST資料番号： W5071A  ISSN： 1865-0929  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： ドイツ (DEU)  言語： 英語 (EN)

抄録/ポイント： リモートセンシング画像の変化を検出する知能方法は難しいが,重要な問題であり,天然資源,環境および社会経済モニタリングにとって非常に重要である。本論文では,多周期リモートセンシング画像におけるマルチスケール特徴深層学習モデルPSPNetと特徴抽出モジュールResNet34を組み合わせたPSPNet-CONCと名付けた新しい深層学習モデルを提案した。実験は,深い学習方法と伝統的方法間の比較のために系統的に設計して実行した。著者らの実験精度結果は,著者らのモデルが他の最先端の方法より想起指数において少なくとも11%高いことを示した。さらに,より多くのPAは4.5%増加し,不変の精度は他の優秀法よりも1%良かった。それは,マルチスケール情報による深い学習の特性によって,PSPNet-CONCモデルが他の方法より高い精度と安定性検出結果を作り出すことができることを示した。Copyright Springer Nature Singapore Pte Ltd. 2020 Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *特徴抽出
準シソーラス用語： マルチスケール ,  変化検出 ,  社会経済 ,  学習方法 ,  *リモートセンシング画像 ,  深層学習 ,  *畳込みニューラルネットワーク , 【Automatic Indexing@JST】

著者キーワード (4件)： マルチスケール ,  変化検出 ,  PSPNet-CONC ,  深層ニューラルネットワーク

分類 (2件)： パターン認識  (JE07000S) ,  人工知能  (JE08000Z)

タイトルに関連する用語 (4件)： リモートセンシング画像 ,  変化検出 ,  マルチスケール ,  畳込みニューラルネットワーク