文献

J-GLOBAL ID：202202214480799215   整理番号：22A0202650

マルチスケールスペクトルおよび空間特徴を融合するSentinel-2A画像のための軽量深層学習ベースクラウド検出法【JST・京大機械翻訳】

A Lightweight Deep Learning-Based Cloud Detection Method for Sentinel-2A Imagery Fusing Multiscale Spectral and Spatial Features

著者 (8件)： Li Jun (School of Remote Sensing and Information Engineering, Wuhan University, Wuhan, China) ,  Wu Zhaocong (School of Remote Sensing and Information Engineering, Wuhan University, Wuhan, China) ,  Hu Zhongwen (MNR Key Laboratory for Geo-Environmental Monitoring of Great Bay Area, Shenzhen University, Shenzhen, China) ,  Jian Canliang (The Administration Department, Fujian Tendering Purchasing Group Company, Ltd., Fuzhou, China) ,  Luo Shaojie (Hangzhou Power Supply Company, State Grid Zhejiang Power Supply Company, Hangzhou, China) ,  Mou Lichao (Remote Sensing Technology Institute, German Aerospace Center, Wessling, Germany) ,  Zhu Xiao Xiang (Remote Sensing Technology Institute, German Aerospace Center, Wessling, Germany) ,  Molinier Matthieu (Knowledge Intensive Products and Services, VTT Technical Research Centre of Finland, Ltd., Espoo, Finland)
資料名： IEEE Transactions on Geoscience and Remote Sensing  (IEEE Transactions on Geoscience and Remote Sensing)
巻： 60  ページ： ROMBUNNO.5401219.1-19  発行年： 2022年 
JST資料番号： H0016B  ISSN： 0196-2892  CODEN： IGRSD2  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： クラウドは,光学リモートセンシング画像のアベイラビリティにおける非常に重要な因子である。最近,深層学習(DL)ベースのクラウド検出法は,クラウドの規則と物理モデルに基づく古典的方法を凌駕した。しかし,これらの深いモデルの大部分は非常に大きく,その適用性と説明可能性を制限するが,他のモデルはSentinel-2のようなマルチスペクトル画像における全スペクトル情報を利用していない。本論文では,クラウド検出用の軽量ネットワーク,マルチスケールスペクトルおよび空間特徴(CD-FM3SF)を融合し,Sentinel-2A画像におけるすべてのスペクトルバンドを処理するために調整した。提案方法は符号器と復号器から成る。符号器において,3つの入力ブランチを設計し,それらのネイティブ分解能でスペクトルバンドを処理し,マルチスケールスペクトル特徴を抽出した。マルチスケール空間特徴を抽出するために,混合深さ方向分離可能畳込み(MDSC)と共有および拡張残差ブロック(SDB)の3つの新規成分を設計し,マルチスケールスペクトルおよび空間特徴を,少ない計算および追加パラメータなしで融合するために,連結および和(CS)操作を行った。CD-FM3SFの復号器は,入力バンドと同じ分解能で3つのクラウドマスクを出力し,小,中,大雲の監視情報を強化する。提案した方法の性能を検証するために,中国本土に均等に分布する36のSentinel-2Aシーンを手動でラベル付けした。実験結果は,CD-FM3SFが,精度と速度の両方で従来のクラウド検出法と最先端のDLベースの方法より優れていることを証明した。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 ,  分解能 ,  復号器 ,  残差 ,  *スペクトル ,  適応性 ,  アベイラビリティ ,  符号器 ,  *検出法 ,  スペクトルバンド
準シソーラス用語： マルチスペクトル画像 ,  *マルチスケール ,  物理モデル ,  *深層学習 , 【Automatic Indexing@JST】

分類 (2件)： 図形・画像処理一般  (JE04010I) ,  人工知能  (JE08000Z)

タイトルに関連する用語 (5件)： 融合 ,  軽量 ,  深層学習 ,  クラウド ,  検出法