文献

J-GLOBAL ID：202102251178509679   整理番号：21A0088221

リモートセンシングシーン分類のための深層注意ネットワーク【JST・京大機械翻訳】

Deep Attention Network for Remote Sensing Scene Classification

著者 (4件)： Wang Yuchao (Space Star Technology Co., Ltd, Beijing, China) ,  Shi Jun (School of Software, Hefei University of Technology, Hefei, China) ,  Li Jun (Jiangxi Aerospace Pohuyun Technology Co., Ltd., Nanchang, China) ,  Li Jun (School of Software, Hefei University of Technology, Hefei, China)
資料名： Communications in Computer and Information Science  (Communications in Computer and Information Science)
巻： 1314  ページ： 282-289  発行年： 2020年 
JST資料番号： W5071A  ISSN： 1865-0929  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： ドイツ (DEU)  言語： 英語 (EN)

抄録/ポイント： シーン分類は,高解像度リモートセンシング画像を理解する上で重要な役割を果たす。本論文では,深い注意ネットワークに基づく新しいシーン分類法を提案した。それは,情景コンテンツからより識別的な特徴を学習するために,注意機構と畳込みニューラルネットワーク(CNN)を統合することを目的とする。具体的には,3つの分岐(メイン,空間注意およびチャネル注意分岐)を用いて,情景特徴を調査した。主枝は,シーンの高レベル意味特徴を記述するために使用されるバックボーンCNNの特徴マップである。空間注意ブランチは,非局所操作を通して長距離文脈依存性を調査することを狙った。チャネル注意ブランチは,重要な意味的応答を活用することを意図する。最後に,3つの分岐を融合して,より代表的特徴を抽出して,無関係な特徴を抑制した。AIDとNUPU-RESISC45リモートセンシングシーンデータセットに関する実験結果は,著者らの方法の有効性を実証した。Copyright Springer Nature Singapore Pte Ltd. 2020 Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 学習 ,  *ネットワーク ,  *リモートセンシング ,  深層 ,  有効性 ,  チャネル ,  高分解能 ,  コンテンツ
準シソーラス用語： 主枝 ,  長距離 ,  特徴マップ ,  リモートセンシング画像 ,  シーン分類 ,  畳込みニューラルネットワーク , 【Automatic Indexing@JST】

著者キーワード (4件)： リモートセンシング ,  シーン分類 ,  特徴学習 ,  注意

分類 (2件)： パターン認識  (JE07000S) ,  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 ,  シーン分類 ,  深層 ,  注意