文献

J-GLOBAL ID：202102232346811534   整理番号：21A1093565

リモートセンシング目標検出に向けたマルチスケールアーキテクチャ探索手法【JST・京大機械翻訳】

Multi-scale architecture search method for remote sensing object detection

著者 (2件)： Pei Chan (西南大学資源環境学院,重慶 400715) ,  Liao Tiejun (西南大学資源環境学院,重慶 400715)
資料名： Guotu Ziyuan Yaogan  (Guotu Ziyuan Yaogan)
巻： 32  号： 4  ページ： 53-60  発行年： 2020年 
JST資料番号： C2688A  ISSN： 1001-070X  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： “知恵都市”の概念の提出に伴い、リモートセンシング目標の検査は次第に都市の計画、建設とメンテナンスの重要な方式になった。異なった都市における差異的リモートセンシングの特徴を特徴づけるために,異なるスケールにおけるモデルの一般化能力の不均等な問題を解決するために,ハイブリッド分離コンボリューションに基づくピラミッド構造探索法を提案した。最初に,リモートセンシング画像データセットの空間分布特性を解析した。次に,多重受容野混合畳込みの探索空間を,その特性に従って構築し,次に,サブネット内の重みを訓練した。同時に,強化学習アルゴリズムにより,収束損失値系列に対して,特徴抽出ユニットの数および構造を検索した。最後に,構造インセンティブ関数が安定しているとき,対応するアーキテクチャパラメータと重み行列を固定して,テストデータにおいて,画像の交差スケール情報を適応的に融合し,異なる分解能での同じターゲットの位置決め精度を改善した。DIORリモートセンシングデータセットにおけるネットワークの平均正解率は78.6%で,CornerNetより6パーセント高く,CascadeR-CNNより1.6パーセント高く,小物体精度はCascadeR-CNNよりも2高かった。1パーセンタイルは,リモートセンシングターゲット検出における多重スケールアーキテクチャ探索の最適化能力を実証した。Data from Wanfang. Translated by JST.【JST・京大機械翻訳】

シソーラス用語： 最適化 ,  畳込み ,  ネットワーク ,  分解能 ,  特徴抽出 ,  都市 ,  空間分布 ,  多重化 ,  *リモートセンシング ,  角錐 ,  *計算機アーキテクチャ ,  保守管理 ,  学習アルゴリズム
準シソーラス用語： *マルチスケール ,  リモートセンシング画像 , 【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 (4件)： リモートセンシング ,  目標 ,  探索 ,  手法