文献

J-GLOBAL ID：202102269962600325   整理番号：21A1637501

セマンティック分割ネットワーク再構成単一ビューリモートセンシング画像デジタル表面モデル【JST・京大機械翻訳】

Reconstruction of Digital Surface Model of Single-view Remote Sensing Image by Semantic Segmentation Network

著者 (5件)： Lu Junyan (中国科学院長春光学精密机械与物理研究所 長春 130033;中国科学院大学 北京 100049;長光衛星技術有限公司 長春 130102) ,  Jia Hongguang (中国科学院長春光学精密机械与物理研究所 長春 130033;中国科学院大学 北京 100049;長光衛星技術有限公司 長春 130102) ,  Gao Fang (長光衛星技術有限公司 長春 130102) ,  Li Wentao (長光衛星技術有限公司 長春 130102) ,  Lu Qing (長光衛星技術有限公司 長春 130102)
資料名： Dianzi yu Xinxi Xuebao  (Dianzi yu Xinxi Xuebao)
巻： 43  号： 4  ページ： 974-981  発行年： 2021年 
JST資料番号： C2507A  ISSN： 1009-5896  CODEN： DKXUEC  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： レーザ検出と測定データのみに基づいて,単一ビューリモートセンシング画像のディジタル表面モデル(DSM)の再構成のための新しい方法を示した。マルチスケール残差融合符号化ブロックと復号化(MRFED)ブロックを用いて,入力画像からセマンティック情報を抽出するために,深さ学習技術に基づく符号化-復号化構造の意味論的分割ネットワークを設計し,次に,画素予測高さを,それぞれ,入力画像から抽出した。入力画像の詳細特性と構造情報を,特徴グラフジャンプカスケードの戦略によって保存した。DSMデータを含むリモートセンシング画像公開データセットの訓練と試験モデルを採用した。平均絶対誤差(MAE)は2.1e-02であり,平均二乗誤差(RMSE)は3.8e-02であり,構造類似性(SSIM)は92.89%であり,古典的深さ学習意味分割ネットワークより優れていた。実験により,本方法は,単一ビューリモートセンシング画像のDSM再構成を,効果的に達成することができ,そして,高い精度,および,強い地物分布構造の再構築能力を持った。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 ,  残差 ,  地物 ,  画素 ,  復号化 ,  再構成 ,  布構造 ,  ディジタル方式 ,  類似性
準シソーラス用語： 平均二乗誤差 ,  マルチスケール ,  *リモートセンシング画像 ,  構造的類似性 , 【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 (3件)： ネットワーク再構成 ,  デジタル ,  モデル