文献

J-GLOBAL ID：202202240869478191   整理番号：22A1100991

正規化道路表面抽出のための畳込みとグラフニューラルネットワークの組合せ【JST・京大機械翻訳】

A Combination of Convolutional and Graph Neural Networks for Regularized Road Surface Extraction

著者 (3件)： Yan Jingjing (School of Remote Sensing and Information Engineering, Wuhan University, Wuhan, China) ,  Ji Shunping (School of Remote Sensing and Information Engineering, Wuhan University, Wuhan, China) ,  Wei Yao (Faculty of Geo-Information Science and Earth Observation, University of Twente, Enschede, AE, The Netherlands)
資料名： IEEE Transactions on Geoscience and Remote Sensing  (IEEE Transactions on Geoscience and Remote Sensing)
巻： 60  ページ： ROMBUNNO.4409113.1-13  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： 高解像度リモートセンシング画像からの道路表面抽出は多くの工学的応用を持つ。しかし,人間の描写レベルに達する正則化および円滑な道路表面地図を抽出することは,非常に挑戦的な作業であり,そして,実質的で時間のかかる手動作業は,通常避けられない。本論文では,この問題を解決するため,容易にアクセス可能な道路中心線から事前構成される道路グラフを処理するためのグラフニューラルネットワーク(GNN)を導入することによって,新しい正則化道路表面抽出フレームワークを提案した。提案フレームワークは道路グラフの2側面幅推論として道路表面抽出問題を定式化し,頂点属性調整のための畳込みニューラルネットワーク(CNN)ベース特徴抽出器とGNNモデルから成る。CNNは,GNNの入力としてグラフ中の各頂点の高レベル抽象特徴を,また,道路境界特徴も,背景から道路を識別することを可能にする。GNNは,頂点の正則化幅の回帰の大域的最適化を達成するために,グラフにおける頂点の特徴を伝播し,凝集する。同時に,偏った中心線地図は,幅予測結果に基づいて補正することができた。著者の知る限りでは,これはGNNを正規化した人間レベルの道路表面抽出に導入した最初の研究である。提案方法を4つの多様なデータセットで評価して,結果は,提案した方式が,結合(IoU)と平滑度スコアの交差点における最近のCNNベースのセグメンテーション方式と他の正則化法を包括的に上回り,そして,視覚チェックは,提案方法の大部分の予測結果が,人間の描写レベルに近づくことを示した。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： 視覚 ,  *畳込み ,  セグメンテーション ,  交差点 ,  *道路 ,  *路面 ,  地図 ,  *ニューラルネットワーク ,  画像 ,  正則化 ,  定式化 ,  高分解能 ,  *正規化
準シソーラス用語： 大域的最適化 ,  リモートセンシング画像 ,  畳込みニューラルネットワーク , 【Automatic Indexing@JST】

分類 (4件)： パターン認識  (JE07000S) ,  図形・画像処理一般  (JE04010I) ,  写真測量,空中写真  (RC02040D) ,  地形データの処理  (RC02050O)

タイトルに関連する用語 (5件)： 正規化 ,  道路表面 ,  畳込み ,  グラフニューラルネットワーク ,  組合せ