文献

J-GLOBAL ID：202102222243853749   整理番号：21A2515892

ディープビルディングフットプリント更新ネットワーク:2時間リモートセンシング画像からの既存建物フットプリント更新のための半教師つき方法【JST・京大機械翻訳】

Deep building footprint update network: A semi-supervised method for updating existing building footprint from bi-temporal remote sensing images

著者 (7件)： Guo Haonan (Guangdong Provincial Key Laboratory for Urbanization and Geo-simulation, School of Geography and Planning, Sun Yat-sen University, Guangzhou, China) ,  Guo Haonan (State Key Laboratory of Information Engineering in Surveying, Mapping and Remote Sensing, Wuhan University, Wuhan, China) ,  Shi Qian (Guangdong Provincial Key Laboratory for Urbanization and Geo-simulation, School of Geography and Planning, Sun Yat-sen University, Guangzhou, China) ,  Marinoni Andrea (Department of Physics and Technology, UiT The Arctic University of Norway, Tromso, Norway) ,  Marinoni Andrea (Department of Engineering, University of Cambridge, Cambridge, UK) ,  Du Bo (National Engineering Research Center for Multimedia Software, Institute of Artificial Intelligence, School of Computer Science and Hubei Key Laboratory of Multimedia and Network Communication Engineering, Wuhan University, Wuhan, China) ,  Zhang Liangpei (State Key Laboratory of Information Engineering in Surveying, Mapping and Remote Sensing, Wuhan University, Wuhan, China)
資料名： Remote Sensing of Environment  (Remote Sensing of Environment)
巻： 264  ページ： Null  発行年： 2021年 
JST資料番号： C0252B  ISSN： 0034-4257  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： 建物フットプリント情報は都市プロセスを理解し,従って環境的に持続可能な都市化のためのプログラムの1つの基礎である。大部分の都市のために,都市政府は,基本的な土地資源管理と都市計画のために基本建築輪郭データベースを構築した。しかし,これらの建築輪郭データベースは,それらの妥当性を保証するために定期的に更新する必要がある。都市は動的であり,短期間で急速に変化し,従って,最新の建築フットプリントを生産するための自動方法の緊急の必要性がある。現在の建物や変更された地域に対するラベルが不足しているので,十分に管理された自動化された方法は,建物フットプリント更新プロセスに大きな制限がある。さらに,深層学習アプローチに基づく最先端の自動スキームは,しかし,建築物境界を正確に描写するのに失敗し,建築データベースの効果的更新を危うくする。これらの相互関連問題に取り組むために,既存の建築データベースを最小の手動介入で現在の状態に自動的に更新する新しいアルゴリズムを開発した。既存の建築データベースを更新し,最新の建物フットプリントを作成するための顕著性誘導エッジ保存フレームワーク(SG-EPUNetと呼ぶ)。このニューラルネットワークベースの方法は,リモートセンシング画像から建物フットプリントを更新することができ,建築物の20%だけに対して手動注釈を必要とする。ロバストに建物特徴を抽出するために,エッジ検出を,提案したSG-EPUNetフレームワークにおける文脈集合とエッジ検出を組み合わせるエッジ保存ニューラルネットワーク(EPUNet)を設計した。著者らは,中国,ニュージーランド,および広州の2つのデータセットの方法を適用し,都市および郊外地域における方法の有効性を評価した。両研究領域に対して,建物更新結果に対するF1スコア値は約97%に達し,SG-EPUNetフレームワークの適用性を確認した。結果はまた,SG-EPUNetが,非常に限られたグランドトルースラベリングでさえ,大きな領域に対してロバスト性を維持することを示した。建築物事前と高分解能リモートセンシング画像の共同組合せは,提案した方法を実際の応用における最新の建物フットプリントを自動的に生産するための有望なアプローチである。提案したEPUNetとSG-EPUNetのソースコードは,https://github.com/HaonanGuo/SG-EPUNetで公開可能である。Copyright 2021 Elsevier B.V., Amsterdam. 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 ,  自動化 ,  データベース ,  *ネットワーク ,  都市計画 ,  ニューラルネットワーク ,  都市 ,  都市化 ,  都市郊外 ,  高分解能 ,  エッジ検出 ,  ロバスト性 ,  アノテーション
準シソーラス用語： *リモートセンシング画像 ,  グランドトゥルース , 【Automatic Indexing@JST】

著者キーワード (3件)： フットプリント情報の構築 ,  最新の建築 ,  深層学習

分類 (1件)： 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)： 更新 ,  リモートセンシング画像 ,  既存建物 ,  フットプリント ,  教師