抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
変化検出(CD)は,必須の地球観測技術である。それは,土地対象物の動的情報を捕えた。深層学習の上昇により,畳込みニューラルネットワーク(CNN)はCDにおいて大きな可能性を示した。しかしながら,現在のCNNモデルは学習中に詳細な情報を失うバックボーンアーキテクチャを導入する。さらに,現在のCNNモデルはパラメータで重く,UAVのようなエッジデバイスへの展開を妨げる。本研究では,RDP-Netを提案することにより,CDのためのネットワークを保存する領域の詳細を提案する。CNN訓練のウォームアップ期間中の訓練タスクを構築する効率的な訓練戦略を提案し,CNNを容易からハードに学習する。訓練戦略はCNNがより少ないFLOPでより強力な特徴を学習し,より良い性能を達成することができる。次に,誤差に対するペナルティを増加させる効果的なエッジ損失を提案し,境界領域や小領域のような詳細に対するネットワークの注意を改善する。さらに,1.70Mのパラメータだけを有するCDにおいて最先端の経験的性能を達成するブランドの新しいバックボーンを有するCNNモデルを提供した。このRDP-Netはコンパクトなデバイスに関する実用的なCD応用に有益であり,効率的な訓練戦略で新しいレベルへの変化検出をもたらすためにより多くの人々を呼び出すことを期待する。コードとモデルはhttps://github.com/Chnja/RDPNetで公的に利用できる。【JST・京大機械翻訳】