文献

J-GLOBAL ID：202202235081598853   整理番号：22A0397775

構造化生成敵対ネットワークによるテキストから遠隔検出画像の生成【JST・京大機械翻訳】

Text-to-Remote-Sensing-Image Generation With Structured Generative Adversarial Networks

著者 (2件)： Zhao Rui (Image Processing Center, School of Astronautics, Beihang University, Beijing, China) ,  Shi Zhenwei (Image Processing Center, School of Astronautics, Beihang University, Beijing, China)
資料名： IEEE Geoscience and Remote Sensing Letters  (IEEE Geoscience and Remote Sensing Letters)
巻： 19  ページ： ROMBUNNO.8010005.1-5  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： 与えられたテキスト記述に基づく高解像度リモートセンシング画像の合成は,リモートセンシング画像処理分野における深層学習の電力を解放するために,画像データセットを拡張する際に大きな可能性がある。しかし,まだ,この可給性タスクに関する効率的な研究は存在しない。リモートセンシング画像を与えられた場合,地上物体の構造合理性は,実または偽,例えば実際の橋が常に直線であるかどうかを判断するために重要である。これに触発されて,テキスト記述を与える構造化方法でリモートセンシング画像を合成する多段構造化生成敵対ネットワーク(StrucGAN)を提案した。StrucGANは,教師なしセグメンテーションモジュールによって抽出された構造情報を利用して,構造化方法で画像を識別するための識別器を可能にする。したがって,StrucGANの発生器は,構造合理的画像コンテンツを合成することを強制し,それは画像信頼度を強化することができた。多段フレームワークは,StrucGANが,ステージによって分解能ステージの増加とともにリモートセンシング画像を生成することを可能にする。定量的および定性的な実験結果は,提案したStrucGANが基準線と比較してより良い性能を達成して,それは,与えられたテキスト記述と意味的に一貫した高分解能,現実的,構造的合理的リモートセンシング画像を合成できることを示した。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： 弁別器 ,  信頼度 ,  セグメンテーション ,  電力 ,  *ネットワーク ,  分解能 ,  植物利用性 ,  基準線 ,  高分解能
準シソーラス用語： 映像コンテンツ ,  画像データ ,  合理性 ,  リモートセンシング画像 ,  深層学習 , 【Automatic Indexing@JST】

分類 (2件)： 図形・画像処理一般  (JE04010I) ,  パターン認識  (JE07000S)

タイトルに関連する用語 (2件)： 構造化 ,  敵対