文献

J-GLOBAL ID：202202244940719095   整理番号：22A0959131

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グローバル知覚ネットワーク【JST・京大機械翻訳】

Global Perception Network for Salient Object Detection in Remote Sensing Images

著者 (5件)： Liu Yu (Department of Information Engineering, Xijing University, Xi’an, China) ,  Zhang Shanwen (Department of Information Engineering, Xijing University, Xi’an, China) ,  Wang Zhen (Department Information and Navigation, Air Force Engineering University, Xi’an, China) ,  Zhao Baoping (Baoji Institute of Agricultural Science, Baoji, China) ,  Zou Lincheng (Department of Information Engineering, Xijing University, Xi’an, China)
資料名： IEEE Transactions on Geoscience and Remote Sensing  (IEEE Transactions on Geoscience and Remote Sensing)
巻： 60  ページ： ROMBUNNO.5617212.1-12  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： 自然シーン画像に対する顕著な物体検出に関する顕著な進歩を達成した最近の研究にもかかわらず,物体の様々なタイプとスケールを検出するために,リモートセンシング画像における複雑な背景はまだ困難である。本研究では,リモートセンシング画像の顕著な物体検出のために,新しい大域的認識ネットワーク(GPNet)を構築した。提案したGPNetは,大域的認識モジュール(GPM),軸注意ブロック(AAB),および特徴蒸留構造(FDS)を含む。GPMは,全体のデータセットの関係性を保存するために使用して,AABは空間とチャンネルの間の依存性を捕えるように設計して,FDSを導入して,特徴発生を強化するための深い層への役立つマルチレベル情報フローを可能にして,グローバルおよび局所的注意情報を相互に融合して,ネットワークモードを強化した。3つの公開データセットに関する大規模な実験は,提案方法が定性的および定量的に(https://github.com/liuyu1002/GPnet)の最新技術と比較して,他の比較の方法より優れていることを実証した。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： *ネットワーク ,  蒸留 ,  認識 ,  水準 ,  *画像 ,  チャネル ,  注意
準シソーラス用語： マルチレベル ,  *物体検出 ,  情報フロー ,  *リモートセンシング画像 , 【Automatic Indexing@JST】

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

タイトルに関連する用語 (4件)： リモートセンシング画像 ,  オブジェクト検出 ,  グローバル ,  知覚