NFANet:高分解能リモートセンシング画像からの弱監視水抽出の新しい方法【JST・京大機械翻訳】

Lu Ming; Fang Leyuan; Li Muxing; Zhang Bob; Zhang Yi; Ghamisi Pedram

プレプリント

J-GLOBAL ID：202202221395573277 整理番号：22P0025923

NFANet:高分解能リモートセンシング画像からの弱監視水抽出の新しい方法【JST・京大機械翻訳】

NFANet: A Novel Method for Weakly Supervised Water Extraction from High-Resolution Remote Sensing Imagery

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 (6件)： , , , , ,
資料名：
発行年： 2022年01月10日プレプリントサーバーでの情報更新日： 2022年01月10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。

水抽出のための深層学習の使用は,正確なピクセルレベルラベルを必要とする。しかし,画素レベルで高解像度リモートセンシング画像をラベル付けすることは,非常に難しい。したがって,水体を抽出するための点ラベルを利用する方法を研究し,隣接特徴集約ネットワーク(NFANet)と呼ばれる新しい方法を提案した。画素レベルラベルと比較して,点ラベルは,はるかに容易に得られるが,しかし,それらは,多くの情報を失う。本論文では,局所水体の隣接画素間の類似性を利用して,リモートセンシング画像を再サンプリングするための近傍サンプラを提案した。次に,サンプル画像を特徴集約のためにネットワークに送る。さらに,改良再帰的訓練アルゴリズムを用いて,抽出精度をさらに改善し,水境界をより自然なものにした。さらに,この方法は,より代表的な特徴を学習するために,大域的または局所的特徴の代わりに隣接特徴を利用する。実験結果により,提案したNFANet法は,他の研究弱教師つき手法よりも性能が優れているだけでなく,最先端のものと同様の結果も得られることを示した。【JST・京大機械翻訳】

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

人工知能 , 図形・画像処理一般

, ,

前のページに戻る