文献

J-GLOBAL ID：202202247142104060   整理番号：22A1163867

IRU-Net:リモートセンシング画像からの自動建築物抽出のための効率的なエンドツーエンドネットワーク【JST・京大機械翻訳】

IRU-Net: An Efficient End-to-End Network for Automatic Building Extraction From Remote Sensing Images

著者 (3件)： Sheikh Md. Abdul Alim (Department of Electronics and Communication Engineering, Aliah University, Kolkata, India) ,  Maity Tanmoy (Department of Mining Machinery Engineering, Indian Institute of Technology (ISM), Dhanbad, Dhanbad, India) ,  Kole Alok (Department of Electrical Engineering, RCC Institute of Information Technology, Kolkata, India)
資料名： IEEE Access  (IEEE Access)
巻： 10  ページ： 37811-37828  発行年： 2022年 
JST資料番号： W2422A  ISSN： 2169-3536  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： 高分解能リモートセンシング(RS)画像からの建築物の自動抽出は,多くの応用に対して大きな実用的関心事である。都市計画,変化検出,災害管理,人間人口の推定,および多くの他の地理空間関連応用を含む。本論文は,IRU-Netと呼ばれる新しい効率的改良ResU-Netアーキテクチャを提案し,それは,RS画像からの建物の自動抽出のために,Atrous畳込み,修正残差接続,および符号器-デコーダ特徴間の新しいスキップ接続との組み合わせで,符号器-デコーダ構造を有する空間ピラミッドプールモジュールを統合した。さらに,バイナリクロスエントロピー-ダイス損失(BCEDL)と呼ばれる新しい二重損失関数は,クロスエントロピー(CE)とジセ損失(DL)を作って,クラス不均衡影響を減らし,建築物抽出結果を改善するために,局所情報とグローバル情報の両方を考慮する。提案モデルは,2つの公的に利用可能なデータセットに関してその一般化を実証するために調査した。屋根セグメンテーション(AIRS)データセットとマサチューセッツ建築データセットのAerial画像。提案したIRU-Netは,マサチューセッツデータセットで92.34%,AIRSデータセットで95.65%の平均F-1精度を達成した。SegNet,U-Net,ERFNet,およびSRI-Netのような他の最先端の深層学習ベースのモデルと比較して,著者らのIRU-Netモデルの総合精度改善は,AIRSデータセットに対して9.0%(0.9725対0.8842),5.2%(0.9725対0.9218),3.0%(0.9725対0.9428),1.4%(0.9725対0.9588)および0.93%(0.9725対0.9635),Massachusetts構築データセットに対して,11.6%,5.9%,3.1%,2.7%および1.4%であった。(0.9725 vs.0.9428),1.4%(0.9725対0.9588),および0.93%(0.9725対0.9635)。。” AIRS”のデータセットに対して,このIRU-Netモデルの総合精度改善は,9.0%(0.9725対0.8842),5.2%(0.9725対0.9218),3.0%(0.9725対0.9428),1.4%(0.9725対0.9588)および0.93%(0.9725対0.9635)であった。これらの結果は,高分解能RS画像からの建物抽出のための提案モデルの優位性を証明した。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： 畳込み ,  セグメンテーション ,  *ネットワーク ,  屋根 ,  都市計画 ,  復号器 ,  残差 ,  符号器 ,  *リモートセンシング ,  *エンドツーエンド方式 ,  モデル ,  高分解能 ,  計算機アーキテクチャ
準シソーラス用語： *リモートセンシング画像 ,  深層学習 , 【Automatic Indexing@JST】

分類 (2件)： 音声処理  (JE05000E) ,  パターン認識  (JE07000S)

タイトルに関連する用語 (4件)： リモートセンシング画像 ,  建築 ,  物抽出 ,  エンドツーエンド