非常に高解像度の遠隔観測光学画像による土地被覆分類のレビュー-解析ユニット,モデルスケーラビリティおよび移動可能性【JST・京大機械翻訳】

Qin Rongjun; Liu Tao

プレプリント

J-GLOBAL ID：202202206212730949 整理番号：22P0285954

非常に高解像度の遠隔観測光学画像による土地被覆分類のレビュー-解析ユニット,モデルスケーラビリティおよび移動可能性【JST・京大機械翻訳】

A Review of Landcover Classification with Very-High Resolution Remotely Sensed Optical Images-Analysis Unit,Model Scalability and Transferability

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 (2件)： ,
資料名：
発行年： 2022年02月07日プレプリントサーバーでの情報更新日： 2022年02月07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)

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】

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

リモートセンシング一般 , 写真測量,空中写真

, , , , , ,

前のページに戻る