条件付き生成敵対ネットワークを用いた中分解能衛星画像の意味論的セグメンテーション【JST・京大機械翻訳】

Kulkarni Aditya; Mohandoss Tharun; Northrup Daniel; Mwebaze Ernest; Alemohammad Hamed

プレプリント

J-GLOBAL ID：202202205124993801 整理番号：22P0215493

条件付き生成敵対ネットワークを用いた中分解能衛星画像の意味論的セグメンテーション【JST・京大機械翻訳】

Semantic Segmentation of Medium-Resolution Satellite Imagery using Conditional Generative Adversarial Networks

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 (5件)： , , , ,
資料名：
発行年： 2020年12月05日プレプリントサーバーでの情報更新日： 2020年12月05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)

衛星画像の意味論的セグメンテーションは,パターンを同定し,惑星周辺の変化を検出する一般的な手法である。最先端の意味セグメンテーションモデルの大部分は,畳込みニューラルネットワーク(CNN)を用いて完全教師つき方法で訓練される。CNNの一般化特性は衛星画像では不十分であり,これは,データが景観タイプ,画像解像度,および異なる地理と季節のラベルの不足に関して非常に多様であるからである。したがって,CNNの性能は,不調地域または季節からの画像にうまく変換しない。高解像度衛星画像のための画像-画像変換の条件的生成的敵対ネットワーク(CGAN)ベースのアプローチに触発されて,著者らは,中分解能Sentinel-2画像を用いた土地被覆分類のためのCGANフレームワークを提案した。CGANモデルは,非共有不均衡試験データセットに関する有意なマージンによって,類似の複雑性のCNNモデルより優れていることを見出した。【JST・京大機械翻訳】

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

図形・画像処理一般 , パターン認識 , 人工知能

, , , ,

前のページに戻る