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。
既存の深層学習ベースの方法は,空中場面分類の性能を効果的に促進する。しかし,大量のパラメータと計算コストのため,これらの方法を,ドローンと衛星上のオンボードデータ開始のような多重実時間リモートセンシングアプリケーションに適用するのは,むしろ難しい。本論文では,多段二重融合ネットワーク(MSDF-Net)と名付けた軽量ConvNetを開発することにより,このタスクに取り組んだ。重要なアイデアは,可能なシーン表現能力と同様に強いように,できるだけ少ないパラメータを用いることである。この目的のために,残差高密度二重融合戦略を開発し,可能なようにパラメータを再利用し,二重融合ブロック(DFブロック)により実現した。特に,著者らのMSDF-NetはDFブロックを有する多段構造から成る。さらに,二重意味集約(DSA)モジュールを開発し,抽出した畳み込み特徴からリモートセンシングシーン情報をマイニングし,意味記述のための2つの並列分枝も含めた。3つの広く使用された空中シーン分類ベンチマークに関して大規模な実験を行い,著者らのMSDF-Netは,80%のパラメータ数まで低減しながら,最近の最先端技術に対して競合性能を達成できることを反映した。特に,0.49MのパラメータでAIDで92.96%の精度を達成した。【JST・京大機械翻訳】