文献

J-GLOBAL ID：202102226488362643   整理番号：21A2455176

HQ-ISNet:リモートセンシング画像のための高品質インスタンスセグメンテーション【JST・京大機械翻訳】

HQ-ISNet: High-Quality Instance Segmentation for Remote Sensing Imagery

著者 (7件)： Su Hao ,  Wei Shunjun ,  Liu Shan ,  Liang Jiadian ,  Wang Chen ,  Shi Jun ,  Zhang Xiaoling
資料名： Remote Sensing (Web)  (Remote Sensing (Web))
巻： 12  号： 6  ページ： 989  発行年： 2020年 
JST資料番号： U7270A  ISSN： 2072-4292  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： スイス (CHE)  言語： 英語 (EN)

抄録/ポイント： 高解像度(HR)リモートセンシング画像におけるインスタンスセグメンテーションは,最も挑戦的なタスクの1つであり,オブジェクト検出や意味セグメンテーションタスクよりも困難である。クラスラベルとピクセルワイズインスタンスマスクを予測し,画像中のインスタンスを位置決めする。しかし,現在,HRリモートセンシング画像におけるインスタンスセグメンテーションに適した稀な方法がある。一方,リモートセンシング画像の複雑な背景のため,インスタンスセグメンテーションを実装するのは,より難しい。本論文では,Cascade Mask R-CNNに基づくHRリモートセンシング画像の新しいインスタンスセグメンテーションアプローチを提案し,高品質インスタンスセグメンテーションネットワーク(HQ-ISNet)と呼ぶ。このスキームでは,HQ-ISNetはHR特徴ピラミッドネットワーク(HRFPN)を利用して,マルチレベル特徴マップを完全に利用し,リモートセンシング画像インスタンスセグメンテーションのためのHR特徴マップを維持する。次に,マスクブランチ間のマスク情報フローを精密化するために,インスタンス分割ネットワークバージョン2(ISNetV2)を提案して,マスク予測精度の更なる改良を促進した。次に,高分解能リモートセンシング画像におけるインスタンスセグメンテーションアルゴリズムを評価するためのベンチマークとして使用できるリモートセンシング画像インスタンスセグメンテーションのために,合成開口レーダ(SAR)船舶検出データセット(SSDD)と北西ポリ技術大学超高解像度10クラス地理空間物体検出データセット(NWPU VHR-10)に基づく新しい,より挑戦的なデータセットを構築した。最後に,SSDDとNWPU VHR-10データセットに関する広範な実験的解析と比較は,(1)HRFPNが予測インスタンスをより正確にマスクし,高解像度リモートセンシング画像のインスタンスセグメンテーション性能を効果的に強化できることを示した。(2)ISNetV2は有効であり,マスク予測精度のさらなる改善を促進する。(3)提案したフレームワークHQ-ISNetは,既存のアルゴリズムよりもリモートセンシング画像におけるインスタンスセグメンテーションに対して有効で正確である。Copyright 2021 The Author(s) 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 ,  *セグメンテーション ,  船舶 ,  地理学 ,  画素 ,  精密化 ,  高分解能 ,  ベンチマーク ,  合成開口レーダ
準シソーラス用語： マルチレベル ,  予測精度 ,  物体検出 ,  高品質 ,  *リモートセンシング画像 ,  超高解像度 , 【Automatic Indexing@JST】

著者キーワード (6件)： インスタンスセグメンテーション ,  HRFPN ,  ISNetV2 ,  SSDD ,  NWPU VHR-10 ,  リモートセンシング画像

分類 (2件)： 図形・画像処理一般  (JE04010I) ,  パターン認識  (JE07000S)

引用文献 (46件)：

• Cui, Z.; Li, Q.; Cao, Z.; Liu, N. Dense Attention Pyramid Networks for Multi-Scale Ship Detection in SAR Images. IEEE Trans. Geosci. Remote Sens. 2019, 57, 8983-8997.
• Mou, L.; Zhu, X. Vehicle instance segmentation from aerial image and video using a multitask learning residual fully convolutional network. IEEE Trans. Geosci. Remote Sens. 2018, 56, 6699-6711.
• Su, H.; Wei, S.; Yan, M.; Wang, C.; Shi, J.; Zhang, X. Object Detection and Instance Segmentation in Remote Sensing Imagery Based on Precise Mask R-CNN. In Proceedings of the IGARSS 2019-2019 IEEE International Geoscience and Remote Sensing Symposium, Yokohama, Japan, 28 July-2 August 2019; pp. 1454-1457.
• Wang, Y.; Wang, C.; Zhang, H.; Dong, Y.; Wei, S. Automatic Ship Detection Based on RetinaNet Using Multi-Resolution Gaofen-3 Imagery. Remote Sens. 2019, 11, 531.
• Zhang, J.; Lin, S.; Ding, L.; Bruzzone, L. Multi-Scale Context Aggregation for Semantic Segmentation of Remote Sensing Images. Remote Sens. 2020, 12, 701.

タイトルに関連する用語 (4件)： リモートセンシング画像 ,  高品質 ,  インスタンス ,  セグメンテーション