文献

J-GLOBAL ID：202202213596028919   整理番号：22A0848541

TAL:強化ビルディングフットプリント抽出のためのトポグラフィーを意識した多重解像度融合学習【JST・京大機械翻訳】

TAL: Topography-Aware Multi-Resolution Fusion Learning for Enhanced Building Footprint Extraction

著者 (5件)： Wu Yifan (Department of Systems Design Engineering, University of Waterloo, Waterloo, Canada) ,  Xu Linlin (Department of Systems Design Engineering, University of Waterloo, Waterloo, Canada) ,  Chen Yuhao (Department of Systems Design Engineering, University of Waterloo, Waterloo, Canada) ,  Wong Alexander (Department of Systems Design Engineering, University of Waterloo, Waterloo, Canada) ,  Clausi David A. (Department of Systems Design Engineering, University of Waterloo, Waterloo, Canada)
資料名： IEEE Geoscience and Remote Sensing Letters  (IEEE Geoscience and Remote Sensing Letters)
巻： 19  ページ： ROMBUNNO.6506305.1-5  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： リモートセンシング画像からの自動建物フットプリント抽出は,地球科学や環境科学における重要な応用を伴う挑戦的なタスクである。意味的セグメンテーションのために設計された深い畳み込みニューラルネットワーク(CNN)の出現の結果として,この分野で大きな進歩がなされてきた。CNNは,建築物の粗いアノテーションと同定において最先端の性能を示したが,抽出した建物フットプリントの精度は,マッピングやナビゲーションのような高精度アプリケーションにとってまだ不十分である。強化建物フットプリント抽出の問題に合わせた地形意識多解像度融合学習戦略を提案した。より具体的には,セグメンテーション中のより良い境界保存のための異種建築特徴を学習するための深いCNNの能力を高めるために,地形意識損失(TAL)を導入した。次に,高分解能セグメンテーション性能を高めるために,多重解像度融合アーキテクチャ内で提案したTAL損失を組み込んだ。最後に,セグメンテーション境界の精度を特異的に測定する平均閾値輪郭精度(tCA)と名付けた新しいメトリックを導入した。SpaceNet建物データセットに関する実験結果は,以前に提案した方法と比較したとき,抽出した建物フットプリントの境界健全性における著しい改善を示した。したがって,この方法は高精度アプリケーションのための建物フットプリントマップの自動生産に対する正確な境界アノテーションを可能にする。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： 閾値 ,  *学習 ,  セグメンテーション ,  境界 ,  精度 ,  環境科学 ,  応用プログラム ,  高分解能 ,  計算機アーキテクチャ ,  アノテーション
準シソーラス用語： *多重解像度 ,  地球科学 ,  フットプリント ,  リモートセンシング画像 ,  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 (8件)： 強化 ,  ビルディング ,  フットプリント ,  トポグラフィー ,  意識 ,  多重解像度 ,  融合 ,  学習