抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
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】