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。
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】