文献

J-GLOBAL ID：202202215168695640   整理番号：22A0396564

OEC-RNN:空中画像からのリカレントニューラルネットワークを用いたエッジとコーナーを有する屋上のオブジェクト指向描写【JST・京大機械翻訳】

OEC-RNN: Object-Oriented Delineation of Rooftops With Edges and Corners Using the Recurrent Neural Network From the Aerial Images

著者 (3件)： Huang Wei (State Key Laboratory of Remote Sensing Science, Jointly Sponsored by Beijing Normal University and Institute of Remote Sensing and Digital Earth of Chinese Academy of Sciences, Beijing, China) ,  Tang Hong (State Key Laboratory of Remote Sensing Science, Jointly Sponsored by Beijing Normal University and Institute of Remote Sensing and Digital Earth of Chinese Academy of Sciences, Beijing, China) ,  Xu Penglei (State Key Laboratory of Remote Sensing Science, Jointly Sponsored by Beijing Normal University and Institute of Remote Sensing and Digital Earth of Chinese Academy of Sciences, Beijing, China)
資料名： IEEE Transactions on Geoscience and Remote Sensing  (IEEE Transactions on Geoscience and Remote Sensing)
巻： 60  ページ： ROMBUNNO.5604912.1-12  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： 建物が人間活動と非常に密接に関連しているので,非常に高解像度のリモートセンシング画像から屋上を自動かつ正確に地図化する重要な作業である。タスク,すなわち,セマンティックセグメンテーションとインスタンスセグメンテーションを達成するために,2つの典型的技術がしばしば利用される。意味的セグメンテーションは,各画素にラベル(例えば「構築」あるいはそうでない)を独立に割り当てることであり,ブロブ状セグメントをもたらす。それどころか,1つは,屋上境界に接着する多角形の頂点を奨励することによって,屋根の形を改善する多角形として屋根の境界をモデル化するかもしれない。この作業ラインの後,著者らは,境界が与えられた画像領域にあるところから学習された注意を用いて,連続する方法で屋上隅角を予測するためのマルチタスク学習アプローチを提示する。この手法は,与えられた画像における屋上輪郭の手動描写のプロセスをシミュレートし,それらの間の鋭い隅角部と直線を持つ屋上の正確な境界を作り出すことができる。特に,提案方法は,オブジェクト検出,エッジとコーナーの画素ごとの画素分類,および畳み込み再帰ニューラルネットワーク(RNN)を用いた逐次法における屋根の描写の3つの成分から成る。本論文では,オブジェクト指向,エッジおよびコーナー(OEC)-RNNと呼ぶ。建築の3つの画像データセットを用いて,OEC-RNNの性能を検証し,それを,例えば,実例セグメンテーションのための最先端の方法と比較した。実験結果は,OEC-RNNが,地上と予測多角形の間のオーバレイ,境界アドヒアランス,および頂点位置に関して最良の性能を達成することを示した。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： セグメンテーション ,  屋根 ,  逐次近似 ,  *ニューラルネットワーク ,  加工ライン ,  画素 ,  *屋上 ,  高分解能
準シソーラス用語： 画像データ ,  物体検出 ,  リカレントニューラルネットワーク ,  リモートセンシング画像 ,  *空中画像 ,  画素分類 ,  ブロブ , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (7件)： RNN ,  空中画像 ,  リカレントニューラルネットワーク ,  エッジ ,  コーナー ,  屋上 ,  オブジェクト指向