文献

J-GLOBAL ID：202202239025650816   整理番号：22A0482451

光学的リモートセンシング画像における顕著なオブジェクト検出のためのエッジを意識したマルチスケール特徴統合ネットワーク【JST・京大機械翻訳】

Edge-Aware Multiscale Feature Integration Network for Salient Object Detection in Optical Remote Sensing Images

著者 (6件)： Zhou Xiaofei (School of Automation, Hangzhou Dianzi University, Hangzhou, China) ,  Shen Kunye (School of Automation, Hangzhou Dianzi University, Hangzhou, China) ,  Liu Zhi (Shanghai Institute for Advanced Communication and Data Science, Shanghai University, Shanghai, China) ,  Gong Chen (PCA Laboratory, Key Laboratory of Intelligent Perception and Systems for High-Dimensional Information of Ministry of Education, School of Computer Science and Engineering, Nanjing University of Science and Technology, Nanjing, China) ,  Zhang Jiyong (School of Automation, Hangzhou Dianzi University, Hangzhou, China) ,  Yan Chenggang (School of Automation, Hangzhou Dianzi University, Hangzhou, China)
資料名： IEEE Transactions on Geoscience and Remote Sensing  (IEEE Transactions on Geoscience and Remote Sensing)
巻： 60  ページ： ROMBUNNO.5605315.1-15  発行年： 2022年 
JST資料番号： H0016B  ISSN： 0196-2892  CODEN： IGRSD2  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： 光学リモートセンシング画像(RSI)は,種々のスケール,タイプ,および方向を有する顕著なオブジェクトが多様なRSIシーンで提示される,様々な空間分解能とクラッタバックグラウンドを示す。したがって,従来のRGB画像に対する切断エッジ顕著性検出法を光RSIsに直接拡張することは不適切である。そのうえ,RSIsを目標とする既存の顕著性モデルは,しばしば不完全な顕著性マップをレンダリングし,そこでは,それらのいくつかは粗い境界詳細がある。この問題を解決するため,本論文では,RSIsにおける顕著なオブジェクトを正確に検出するためのエッジ情報の導入を試みた。従って,顕著なエッジキューの明示的および陰的支援の下でマルチスケール特徴統合を行うことによって,突出物体検出のためのエッジ意識マルチスケール特徴統合ネットワーク(EMFI-Net)を提案した。特に,このネットワークは符号器と復号器を含む2つの部分を含む。第1に,符号器は,異なる分解能を有する3つのRSIsからマルチスケール深い特徴を抽出し,そこでは,3つのRSIsからの高レベル深い意味特徴を,カスケード特徴融合モジュールを用いて統合した。第二に,符号器は,顕著なエッジ抽出モジュールによって抽出された突出エッジ手がかりを統合することによって,マルチスケール深層特徴を明示的に豊かにする。また,ハイブリッド損失関数を導入することによって顕著性マップ予測の監視にエッジ意識制約を暗黙的に展開する。最後に,デコーダは,粗から微細への濃縮マルチスケール深層特徴を統合し,高品質顕著性マップを生成する。2つの公開光RSIデータセットで行った実験は,最先端の顕著性モデルに対して提案したEMFI-Netの有効性と優位性を明確に証明した。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： 損失関数 ,  *ネットワーク ,  復号器 ,  *統合通信網 ,  符号器 ,  検出法 ,  クラッタ ,  深層 ,  エッジ検出 ,  レンダリング
準シソーラス用語： *マルチスケール ,  *物体検出 ,  高品質 ,  *リモートセンシング画像 ,  顕著性マップ , 【Automatic Indexing@JST】

分類 (2件)： 図形・画像処理一般  (JE04010I) ,  リモートセンシング一般  (AD04000L)

タイトルに関連する用語 (7件)： 光学 ,  リモートセンシング画像 ,  オブジェクト検出 ,  エッジ ,  意識 ,  マルチスケール ,  統合ネットワーク