文献

J-GLOBAL ID：202202225463827517   整理番号：22A0287561

リモートセンシング画像における航空機検出のためのマルチスケール注意サイクルGANを用いた合成データ増強【JST・京大機械翻訳】

Synthetic Data Augmentation Using Multiscale Attention CycleGAN for Aircraft Detection in Remote Sensing Images

著者 (3件)： Liu Weixing (State Key Laboratory of Information Engineering in Surveying, Mapping and Remote Sensing, Wuhan University, Wuhan, China) ,  Luo Bin (State Key Laboratory of Information Engineering in Surveying, Mapping and Remote Sensing, Wuhan University, Wuhan, China) ,  Liu Jun (State Key Laboratory of Information Engineering in Surveying, Mapping and Remote Sensing, Wuhan University, Wuhan, China)
資料名： IEEE Geoscience and Remote Sensing Letters  (IEEE Geoscience and Remote Sensing Letters)
巻： 19  ページ： ROMBUNNO.4009205.1-5  発行年： 2022年 
JST資料番号： W1397A  ISSN： 1545-598X  CODEN： IGRSBY  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： 深層学習手法は十分な訓練サンプルを必要とするが,十分な実際の訓練データを収集し,それらを手動でラベル付けする挑戦である。本レターでは,地上-トラスアノテーションを持つコンテンツリッチ合成画像を自動的に生成する実用的フレームワークを提案した。3D CADモデルをレンダリングすることにより,広い分布(Syn NとSyn U)を有する2つの合成航空機画像データセットを生成した。合成画像の品質を改善するために,著者らは,空間およびチャネル次元において,Cycle-Consisent Adversarial Network(CycleGAN)を強化するマルチスケール注意モジュールを提案した。次に,翻訳前後の合成画像を定性的および定量的に比較した。北西ポリ技術大学(NUPU)-10,中国科学院の大学,空中画像における方位ロバスト物体検出(UCAS-AOD),および光学的遠隔センシング画像(DIOR)データセットにおけるオブジェクトDetectIonのベンチマークに関する実験は,合成データ増強が,特に実際のデータが不十分であるとき,リモートセンシング画像における航空機検出の性能を改善できることを証明した。合成データはhttps://weix-liu.github.io/で利用可能である。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： 検出 ,  *航空機 ,  *画像 ,  チャネル ,  ベンチマーク ,  ロバスト性 ,  レンダリング
準シソーラス用語： 訓練データ ,  *マルチスケール ,  三次元CAD ,  物体検出 ,  合成画像 ,  *リモートセンシング画像 ,  空中画像 ,  深層学習 , 【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)： リモートセンシング画像 ,  航空機 ,  マルチスケール ,  注意 ,  サイクル ,  GaN ,  データ増強