Swin変圧器結合CNNはVHR画像道路抽出のための強力な文脈エンコーダを作る【JST・京大機械翻訳】

Chen Tao; Liu Yiran; Jiang Haoyu; Li Ruirui

プレプリント

J-GLOBAL ID：202202209254169855 整理番号：22P0025415

Swin変圧器結合CNNはVHR画像道路抽出のための強力な文脈エンコーダを作る【JST・京大機械翻訳】

Swin Transformer coupling CNNs Makes Strong Contextual Encoders for VHR Image Road Extraction

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 (4件)： , , ,
資料名：
発行年： 2022年01月10日プレプリントサーバーでの情報更新日： 2023年05月28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)

正確に区分する道路は,実質的なクラス内変動,不明瞭なクラス間区別,および影,樹木,および建物によって引き起こされたオクルージョンのために,挑戦的である。これらの課題に取り組むために,グローバルな幾何学的文脈情報の重要なテクスチャの詳細と知覚への注意が必須である。最近の研究では,CNN-Transformerハイブリッド構造がCNNまたは変換器のみを用いて性能が優れていることを示した。CNNは局所詳細特徴を抽出する際に優れているが,変圧器は大域的文脈情報を自然に知覚する。本論文では,道路抽出タスクのためにResNetとSwinトランスフォーマを組み合わせたConSwinという2分岐ネットワークブロックを提案する。このConSwinブロックは,詳細および大域的特徴を抽出するための両方のアプローチの強度を利用する。ConSwinに基づいて,著者らは1時間ガラス形道路抽出ネットワークを構築して,2つの新規接続構造を導入して,テクスチャと構造詳細情報を復号器により良い送信した。著者らの提案方法は,総合精度,IOU,およびF1指標に関して,マサチューセッツとCHN6-CUGデータセットの両方に関する最先端の方法より優れている。追加実験は,提案したモジュールの有効性を検証し,一方,可視化結果は,より良い道路表現を得る能力を実証した。【JST・京大機械翻訳】

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

図形・画像処理一般 , パターン認識

, , , ,

前のページに戻る