効率的なコンテンツベース検索のための遠隔センシング画像を共同圧縮するための新しいフレームワーク【JST・京大機械翻訳】

Sumbul Gencer; Xiang Jun; Madam Nimisha Thekke; Demir Beguem

プレプリント

J-GLOBAL ID：202202215467000293 整理番号：22P0275619

効率的なコンテンツベース検索のための遠隔センシング画像を共同圧縮するための新しいフレームワーク【JST・京大機械翻訳】

A Novel Framework to Jointly Compress and Index Remote Sensing Images for Efficient Content-Based Retrieval

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 (4件)： , , ,
資料名：
発行年： 2022年01月17日プレプリントサーバーでの情報更新日： 2022年06月03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。

リモートセンシング(RS)画像は,通常,アーカイブのストレージサイズを減らすために圧縮フォーマットに保存される。したがって,RSにおける既存のコンテンツベース画像検索(CBIR)システムは,CBIRを適用する前に復号化画像を必要とする(大規模CBIR問題の場合に計算要求)。この問題に取り組むために,本論文ではRS画像圧縮とインデクシングを同時に学習する共同フレームワークを提案した。したがって,CBIRを適用する前にRS画像を解読する必要性を除去する。提案したフレームワークは2つのモジュールから成る。最初のモジュールは,自動エンコーダアーキテクチャに基づくRS画像を圧縮する。第2のモジュールは,ソフトペアワイズ,ビットバランス,および分類損失関数を採用することによって,高い識別能力を持つハッシュ符号を生成する。また,RS画像インデクシングと圧縮の両方に適合する画像表現を得るために,勾配操作技法による2段階学習戦略を導入した。実験結果は,RSにおける広く使われているアプローチと比較して,提案フレームワークの有効性を示した。提案したフレームワークのコードはhttps://git.tu berlin.de/rsim/RS JCIFで利用可能である。【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