文献

J-GLOBAL ID：202202239360540999   整理番号：22A0959133

CDANet:高空間分解能リモートセンシング画像影検出のための文脈詳細認識ネットワーク【JST・京大機械翻訳】

CDANet: Contextual Detail-Aware Network for High-Spatial-Resolution Remote-Sensing Imagery Shadow Detection

著者 (4件)： Zhu Qiqi (School of Geography and Information Engineering, China University of Geosciences, Wuhan, China) ,  Yang Yang (School of Geography and Information Engineering, China University of Geosciences, Wuhan, China) ,  Sun Xiongli (China Construction Third Engineering Bureau, Research Institute of Information Technology, Wuhan, China) ,  Guo Mingqiang (School of Geography and Information Engineering, China University of Geosciences, Wuhan, China)
資料名： IEEE Transactions on Geoscience and Remote Sensing  (IEEE Transactions on Geoscience and Remote Sensing)
巻： 60  ページ： ROMBUNNO.5617415.1-15  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： シャドウ検出は,有意義なカラー特徴に基づく特定のカテゴリーを有する高空間分解能(HSR)画像における影画素を自動的にマークする。正確なシャドウマッピングは,画像の解釈と放射情報の回復において重要である。最近の研究は,高分解能衛星画像シャドウ検出における深層学習の優位性を実証した。従来の方法は,通常畳み込み層を重複するが,空間情報の損失を引き起こす。さらに,影のスケールと形状は変化し,小型で不規則な影は検出が困難である。加えて,前景とバックグラウンドの不均衡分布は,一般的バイナリ交差エントロピー損失関数が偏ったことを引き起こして,それはモデル訓練に深刻に影響した。正確で完全なシャドウを抽出するための新しいフレームワークである文脈的詳細意識ネットワーク(CDANet)を,これらの課題を修復するためのシャドウ検出のために提案した。CDANetにおいて,二重分枝モジュールは,畳込みの間,低レベル局所情報損失を効果的に緩和するために,符号器-符号器構造に埋め込まれた。多様な影のマルチスケール文脈情報を提供するために,残差拡張モジュールとの文脈的意味融合接続を提案した。ハイブリッド損失関数を設計して,画素が影の分布を計算し,モデルのロバスト性を改善する,小さな影の詳細な情報を保持する。提案手法の性能を,2つの異なるシャドウ検出データセット上で検証し,提案したCDANetは,他の方法よりも高い携帯性とロバスト性を明らかにした。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： エントロピー ,  畳込み ,  損失関数 ,  *ネットワーク ,  残差 ,  *画像 ,  画素 ,  符号器 ,  ロバスト性 ,  機械学習
準シソーラス用語： 空間情報 ,  マルチスケール ,  前景 ,  *リモートセンシング画像 ,  バイナリー ,  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 (4件)： 高空間分解能 ,  リモートセンシング画像 ,  影 ,  文脈