リモートセンシング画像における高密度オブジェクトの計数【JST・京大機械翻訳】

Gao Guangshuai; Liu Qingjie; Wang Yunhong

プレプリント

J-GLOBAL ID：202202203105486815 整理番号：22P0111764

リモートセンシング画像における高密度オブジェクトの計数【JST・京大機械翻訳】

Counting dense objects in remote sensing images

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (3件)： , ,
資料名：
発行年： 2020年02月14日プレプリントサーバーでの情報更新日： 2020年02月14日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

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】

, , , , , , , , , , , , ,
, 【Automatic Indexing@JST】

パターン認識 , 図形・画像処理一般

, ,

前のページに戻る