RDP-Net:変化検出のための領域詳細保存ネットワーク【JST・京大機械翻訳】

Chen Hongjia; Pu Fangling; Yang Rui; Tang Rui; Xu Xin

プレプリント

J-GLOBAL ID：202202220267249959 整理番号：22P0292357

RDP-Net:変化検出のための領域詳細保存ネットワーク【JST・京大機械翻訳】

RDP-Net: Region Detail Preserving Network for Change Detection

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 (5件)： , , , ,
資料名：
発行年： 2022年02月20日プレプリントサーバーでの情報更新日： 2022年12月11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。

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】

, , , , , , , , , ,
, , , , 【Automatic Indexing@JST】

人工知能 , パターン認識

前のページに戻る