高分解能リモートセンシング画像からのiFLYTEKチャレンジ2021耕地抽出への勝利解【JST・京大機械翻訳】

Zhao Zhen; Liu Yuqiu; Zhang Gang; Tang Liang; Hu Xiaolin

プレプリント

J-GLOBAL ID：202202212421527700 整理番号：22P0293586

高分解能リモートセンシング画像からのiFLYTEKチャレンジ2021耕地抽出への勝利解【JST・京大機械翻訳】

The Winning Solution to the iFLYTEK Challenge 2021 Cultivated Land Extraction from High-Resolution Remote Sensing Image

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 (5件)： , , , ,
資料名：
発行年： 2022年02月22日プレプリントサーバーでの情報更新日： 2022年02月25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)

※このプレプリント論文は学術誌に掲載済みです。なお、学術誌掲載の際には一部内容が変更されている可能性があります。

高分解能遠隔画像から正確に耕地を抽出することは,精密農業のための基本的な作業である。この報告は,高分解能リモートセンシング画像から2021の耕地抽出のiFLYTEKへの解決策を紹介した。課題は,非常に高解像度のマルチスペクトルリモートセンシング画像における耕地オブジェクトのセグメンテーションを必要とする。この問題を解決するため,高効率で効率的なパイプラインを確立した。最初に,元の画像を小さなタイルに分割し,各タイル上で別々にインスタンスセグメンテーションを行った。自然画像上でよく働くいくつかのインスタンスセグメンテーションアルゴリズムを検討し,リモートセンシング画像に適用できる一連の効果的な方法を開発した。次に,提案した重複-タイル融合戦略を通して,すべての小タイルの予測結果をシームレス,連続セグメンテーション結果に併合した。チャレンジにおいて486チームの中で最初の場所を達成した。【JST・京大機械翻訳】

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

図形・画像処理一般

, , , ,

前のページに戻る