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。
リモートセンシングにおける重要な応用として,土地被覆分類は高分解能(VHR)画像解析における最も挑戦的な課題の1つである。深層学習(DL)ベースの土地被覆方法と訓練戦略の急速に増加する数は,最先端であると主張されているので,土地被覆マッピング法の既に断片化された技術的景観は,さらに複雑であった。土地被覆マッピング手法のインフォームド選択を行う際に研究者を指導するのに多くの文献レビューが試みられているが,論文では,特定のエリアにおける応用のレビュー,あるいは一般的な深層学習モデルの周りの再進化に焦点を当て,これは,これまで進んでいる土地被覆マッピング法の系統的見解を欠いている。さらに,訓練サンプルとモデル移転可能性に関連する問題は,データ駆動アプローチが支配する時代において,これまでより重要になったが,これらの問題は,リモートセンシング分類に関する以前のレビュー論文において,より少ない程度に取り組まれていた。したがって,本論文では,学習法から出発し,土地被覆マッピングタスクのための基本的解析ユニットを,また(1)スパース性とデータの不均衡を含むリモートセンシング分類焦点によるスケーラビリティと移動可能性の3つの側面に関する課題と解決策から出発する既存の方法の系統的概観を提示する。(2)異なる地理的領域にわたるドメインギャップ;(3)マルチソースとマルチビュー融合。これらのカテゴリー方法のそれぞれを詳細に論じ,これらの開発における結論を描き,継続的な努力に対する潜在的方向を推奨した。【JST・京大機械翻訳】