文献

J-GLOBAL ID：202202243861361658   整理番号：22A1053981

深層学習アルゴリズムと衛星画像による農地抽出【JST・京大機械翻訳】

Agricultural Field Extraction with Deep Learning Algorithm and Satellite Imagery

著者 (4件)： Sharifi Alireza (Department of Surveying Engineering, Faculty of Civil Engineering, Shahid Rajaee Teacher Training University, Tehran, Iran) ,  Mahdipour Hadi (Chief Innovation Office, Sinenta Corp., Almeria, Spain) ,  Moradi Elahe (Department of Surveying Engineering, Faculty of Civil Engineering, Shahid Rajaee Teacher Training University, Tehran, Iran) ,  Tariq Aqil (State Key Laboratory of Information Engineering in Surveying Mapping and Remote Sensing (LIESMARS), Wuhan University, Wuhan, China)
資料名： Journal of the Indian Society of Remote Sensing  (Journal of the Indian Society of Remote Sensing)
巻： 50  号： 2  ページ： 417-423  発行年： 2022年 
JST資料番号： W4605A  ISSN： 0255-660X  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： ドイツ (DEU)  言語： 英語 (EN)

抄録/ポイント： リモートセンシング画像を用いた境界の自動検出は,時間のかかる手動入力への依存性を最小化する。フィールド境界データセットの欠如は,現在の方法が無効であることを示した。本論文は,マルチタスクセグメンテーションモデルに基づく一般的プロセスによる衛星画像からのフィールド境界の検出を促進することを目指した。ResUNet-aは,スプロールと条件付き推論をサポートする完全にリンクしたUNetバックボーンを有する畳み込みニューラルネットワークである。このアルゴリズムは,接続出力を再構成することによって,モデル効率とその一般化を著しく増加させる。次に,個々のフィールドセグメンテーションを後処理モデル出力によって達成することができた。モデルは,入力としてSentinel-2およびLandsat-8画像を用いて,フィールドマッピング,フィールド境界,および個々のフィールドにおいて極めて正確であった。組成時間に類似した単一画像による多重時間画像置換はわずかに減少した。提案モデルは,フィールド境界を確実に同定することができ,複雑な階層的文脈特性を得るために,画像から無関係な限界を除去することができ,古典的エッジフィルタを除外する。著者らの方法は,過剰適合を最小化することによって,スケールで個々の作物畑抽出を促進すると考えられる。Copyright Indian Society of Remote Sensing 2021 Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *アルゴリズム ,  セグメンテーション ,  農作物 ,  *抽出 ,  スプロール ,  *農地 ,  *画像 ,  多重化 ,  リモートセンシング ,  *衛星利用画像 ,  *学習アルゴリズム
準シソーラス用語： マルチタスク ,  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】

著者キーワード (5件)： 畳込みニューラルネットワーク ,  エッジ検出 ,  フィールド境界 ,  Sentinel-2 ,  リモートセンシング

分類 (2件)： 図形・画像処理一般  (JE04010I) ,  人工知能  (JE08000Z)

タイトルに関連する用語 (4件)： 深層学習 ,  アルゴリズム ,  衛星画像 ,  農地