文献

J-GLOBAL ID：202202213517455794   整理番号：22A0397554

光学的リモートセンシングシーン分類のための高次特徴表現による効果的なマルチスケール残差ネットワーク【JST・京大機械翻訳】

Effective Multiscale Residual Network With High-Order Feature Representation for Optical Remote Sensing Scene Classification

著者 (7件)： Li Can (Beijing Key Laboratory of Embedded Real-Time Information Processing Technology, Beijing, China) ,  Zhuang Yin (Beijing Key Laboratory of Embedded Real-Time Information Processing Technology, Beijing, China) ,  Liu Wenchao (Department of Computer Science and Technology, Tsinghua University, Beijing, China) ,  Dong Shan (Engineering Center of Digital Audio and Video, Communication University of China, Beijing, China) ,  Du Hailin (Beijing Key Laboratory of Embedded Real-Time Information Processing Technology, Beijing, China) ,  Chen He (Beijing Key Laboratory of Embedded Real-Time Information Processing Technology, Beijing, China) ,  Zhao Boya (Key Laboratory of Digital Earth Science, Aerospace Information Research Institute, Chinese Academy of Sciences, Beijing, China)
資料名： IEEE Geoscience and Remote Sensing Letters  (IEEE Geoscience and Remote Sensing Letters)
巻： 19  ページ： ROMBUNNO.6003105.1-5  発行年： 2022年 
JST資料番号： W1397A  ISSN： 1545-598X  CODEN： IGRSBY  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 光学リモートセンシングのシーン分類は,広範囲の分野でその広い応用のため,基本的だが重要なタスクである。強力な特徴抽出能力のため,畳み込みニューラルネットワーク(CNN)は,光リモートセンシングシーン分類タスクにおいて広く使用されてきた。注目すべき努力にもかかわらず,複雑な場面,回転,および低いクラス間多様性問題のための有効なマルチスケール特徴記述を含む,まだいくつかの問題がある。本論文では,これらの問題に対処し,光リモートセンシングシーン分類のための強力なCNNを構築するために,高次特徴表現(MRHNet)を有する効果的なマルチスケール残差ネットワークを提案した。最初に,データ前処理を利用して,回転不変性問題を適応させた。第2に,元の残差モジュールに関連して,ピラミッド畳込みを導入して,マルチスケール特徴抽出を実現し,次に,その特徴記述能力を,効果的チャネル注意モジュールによってさらに改善した。第3に,テンソル分解とその完了に触発されて,高次特徴表現構造は,低いクラス間多様性問題を解決するために,深い層への識別的微細スケール詳細を回復するために設計される。最後に,2つの広く使用されたシーン分類データセット(例えば,AIDとNUPU-RESISC45)について広範囲な実験を行い,その結果,提案したMRHNetが優れた性能を達成できることを示した。Copyright 2022 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 畳込み ,  *ネットワーク ,  特徴抽出 ,  *残差 ,  *リモートセンシング ,  回転不変性 ,  角錐 ,  チャネル
準シソーラス用語： *マルチスケール ,  *シーン分類 ,  *特徴表現 ,  テンソル分解 ,  畳込みニューラルネットワーク , 【Automatic Indexing@JST】

分類 (1件)： パターン認識  (JE07000S)

タイトルに関連する用語 (6件)： 光学 ,  リモートセンシング ,  シーン分類 ,  特徴表現 ,  マルチスケール ,  残差