文献

J-GLOBAL ID：202102231454911428   整理番号：21A1319668

改良コンボリューションネットワークの高分リモートセンシング画像都市建設区抽出【JST・京大機械翻訳】

Urban built-up area extraction using high-resolution remote sensing images with an improved convolutional neural network

著者 (6件)： Hou Bowen (中国科学院西安光学精密机械研究所,西安710119;中国科学院大学,北京100049) ,  Yan Dongmei (中国科学院空天信息創新研究院,北京100094;海南省地球観測重点実験室,三亜中科遥感研究所,三亜572029) ,  Hao Wei (中国科学院西安光学精密机械研究所,西安710119) ,  Huang Qingqing (中国科学院空天信息創新研究院,北京100094) ,  Su Xiuqin (中国科学院西安光学精密机械研究所,西安710119) ,  Li Qingwen (中国科学院空天信息創新研究院,北京100094;中国科学院大学,北京100049)
資料名： Zhongguo Tuxiang Tuxing Xuebao  (Zhongguo Tuxiang Tuxing Xuebao)
巻： 25  号： 12  ページ： 2677-2689  発行年： 2020年 
JST資料番号： C2782A  ISSN： 1006-8961  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 中国 (CHN)  言語： 中国語 (ZH)

抄録/ポイント： 目的:都市建設区は都市研究の重要な基礎情報であり、地域計画の実施、都市機能空間配置の実施の前提でもある。しかし、リモートセンシング画像における都市建設区の環境は複雑で、同時に異なる都市建設区は座席位置、発展規模などにおいて、多くの差異が存在し、その情報抽出にはある程度の困難がある。【方法】画像意味論的分割に基づく深さ畳込みニューラルネットワークを,特徴マップの強化モジュールとチャネル領域の注意力モジュールを用いて,オリジナルのDeepLabネットワークに改良して,スライディングウィンドウ予測と全連結条件のランダムフィールド処理法を採用した。都市建設区抽出をより正確に実現する。同時に、深さ学習アルゴリズムを用いて、過適合とロバスト性が弱いという問題に対して、データ拡張増強技術を採用してモデル能力をさらに向上させた。結果:実験データは三亜と海口の一部地域の高分二号リモートセンシング画像である。結果は,この方法の正解率が93%より高く,Kappa係数が0.837以上であり,大規模高分解能リモートセンシング画像における都市建設地域を効果的に抽出でき,抽出結果が実際の状況に最も近いことを示した。結論:高解像度リモートセンシング衛星画像における都市建設区のスペクトル情報の多様化、テクスチャ構造の複雑化などの特徴に対して、本文は特徴抽出ネットワークにおいてより多くの特徴情報を獲得できる。本論文では,改良深さ学習法を用いて,2つの処理方法を提案し,モデルの精度を改善し,実際のリモートセンシング画像の使用に優れ,重要な実用的価値と広い応用展望を持つ。Data from Wanfang. Translated by JST.【JST・京大機械翻訳】

シソーラス用語： 意味論 ,  学習 ,  *ネットワーク ,  特徴抽出 ,  *都市 ,  スペクトル ,  海洋 ,  *リモートセンシング ,  衛星利用画像 ,  高分解能 ,  ロバスト性 ,  学習アルゴリズム
準シソーラス用語： 確率場 ,  *リモートセンシング画像 ,  畳込みニューラルネットワーク , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (5件)： コンボリューション ,  高 ,  リモートセンシング画像 ,  都市 ,  建設