抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
与えられた画像からの関心オブジェクトの正確な数の推定は,挑戦的ではあるが重要なタスクである。この問題に対処し,大きな進歩を達成するために重要な努力がなされてきたが,リモートセンシング画像からの地上物体の計数数はほとんど研究されていない。本論文では,リモートセンシング画像から高密度物体を計数するのに関心がある。自然シーンにおけるオブジェクト計数と比較して,このタスクは,次の因子,大規模変動,複雑なクラッタ背景,および方位任意性において挑戦的である。さらに重要なことに,データ不足はこの分野における研究の発展を厳しく制限する。これらの問題に取り組むために,まず,4種類の物体を含む遠隔観測画像に基づく大規模物体計数データセットを構築した:建物,港湾における混雑船,大型車および駐車場における小車。次に,入力画像の密度マップを生成することができる新しいニューラルネットワークを設計することによって,データセットをベンチマークした。提案したネットワークは,3つの部分,すなわち,畳込みブロック注意モジュール(CBAM),スケールピラミッドモジュール(SPM)および変形可能畳込みモジュール(DCM)から成る。提案したデータセットの実験と最先端技術の状態との比較は,提案したデータセットの課題と著者らの方法の優位性と有効性を実証した。【JST・京大機械翻訳】