文献

J-GLOBAL ID：202102252095380311   整理番号：21A2433502

セマンティックラベリングのための完全畳込みネットワークにおけるマルチモーダルリモートセンシングデータの効果的融合【JST・京大機械翻訳】

Effective Fusion of Multi-Modal Remote Sensing Data in a Fully Convolutional Network for Semantic Labeling

著者 (7件)： Zhang Wenkai (Key Laboratory of Spatial Information Processing and Application System Technology, Institute of Electronics, Chinese Academy of Sciences, Beijing 100190, China) ,  Zhang Wenkai (School of Electronic, Electrical and Communication Engineering, University of Chinese Academy of Sciences, Huairou District, Beijing 100049, China) ,  Huang Hai (Institute for Applied Computer Science, Bundeswehr University Munich, Werner-Heisenberg-Weg 39, D-85577 Neubiberg, Germany) ,  Schmitz Matthias (Institute for Applied Computer Science, Bundeswehr University Munich, Werner-Heisenberg-Weg 39, D-85577 Neubiberg, Germany) ,  Sun Xian (Key Laboratory of Spatial Information Processing and Application System Technology, Institute of Electronics, Chinese Academy of Sciences, Beijing 100190, China) ,  Wang Hongqi (Key Laboratory of Spatial Information Processing and Application System Technology, Institute of Electronics, Chinese Academy of Sciences, Beijing 100190, China) ,  Mayer Helmut (Institute for Applied Computer Science, Bundeswehr University Munich, Werner-Heisenberg-Weg 39, D-85577 Neubiberg, Germany)
資料名： Remote Sensing (Web)  (Remote Sensing (Web))
巻： 10  号： 1  ページ： 52  発行年： 2017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： 近年,完全畳込みネットワーク(FCN)は,マルチモーダルリモートセンシングデータを含む様々なアプリケーションに対する意味ラベリングの大きな改善をもたらした。マルチモーダルデータに対して異なる融合戦略が報告されているが,性能限界の理由の徹底的な研究はない。例えば,FCNにおけるマルチモーダルデータの初期融合が満足する結果をもたらさない理由は不明である。本論文では,FCN内の個々の層の寄与を調べ,色または赤外線画像の意味論的ラベリングのための効果的な融合戦略を提案した。クラスおよびマルチモーダルデータに関する層の感度および寄与を,多重解像度モデルにおける想起の想起および降下速度によって定量化した。画素ごとの予測に対する異なる様式の寄与を解析し,異なる様式の平らな連結に起因する貧弱な性能の理由を説明した。最後に,解析に基づき,単一FCNモデルへの画像と高度情報による層の融合のための最適化方式を引き出した。実験は,ISPRS Vaihingen 2Dセマンティックラベリングデータセット(赤外線とRGB画像ならびに標高)とPotsdamデータセット(RGB画像と標高)で行った。包括的評価は,提案した方法の可能性を示した。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： 最適化 ,  赤外線 ,  *畳込み ,  意味論 ,  *ネットワーク ,  画素 ,  応用プログラム ,  二次元 ,  赤外線画像 ,  落下速度 ,  *多モード
準シソーラス用語： 多重解像度 ,  標高 ,  *リモートセンシングデータ , 【Automatic Indexing@JST】

著者キーワード (4件)： 意味ラベリング ,  完全畳込みネットワーク ,  マルチモーダルデータセット ,  核融合ネット

分類 (2件)： 図形・画像処理一般  (JE04010I) ,  人工知能  (JE08000Z)

引用文献 (25件)：

• Long, J.; Shelhamer, E.; Darrell, T. Fully convolutional networks for semantic segmentation. In Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition (CVPR), Boston, MA, USA, 7-12 June 2015; pp. 3431-3440.
• Lecun, Y.; Bottou, L.; Bengio, Y.; Haffner, P. Gradient-based learning applied to document recognition. Proc. IEEE 1998, 86, 2278-2324.
• Krizhevsky, A.; Sutskever, I.; Hinton, G.E. ImageNet classification with deep convolutional neural networks. In Advances in Neural Information Processing Systems 25; Pereira, F., Burges, C.J.C., Bottou, L., Weinberger, K.Q., Eds.; Curran Associates, Inc.: Red Hook, NY, USA, 2012; pp. 1097-1105.
• Fu, G.; Liu, C.; Zhou, R.; Sun, T.; Zhang, Q. Classification for high resolution remote sensing imagery using a fully convolutional network. Remote Sens. 2017, 9, 498.
• Längkvist, M.; Kiselev, A.; Alirezaie, M.; Loutfi, A. Classification and segmentation of satellite orthoimagery using convolutional neural networks. Remote Sens. 2016, 8, 329.

タイトルに関連する用語 (3件)： ラベリング ,  畳込み ,  融合