文献

J-GLOBAL ID：202202249067446734   整理番号：22A0396524

マルチスケールスーパーピクセルベースグラフ畳込みネットワークによるPolSAR画像分類【JST・京大機械翻訳】

PolSAR Image Classification With Multiscale Superpixel-Based Graph Convolutional Network

著者 (5件)： Cheng Jianda (College of Information Science and Technology, Beijing University of Chemical Technology, Beijing, China) ,  Zhang Fan (College of Information Science and Technology, Beijing University of Chemical Technology, Beijing, China) ,  Xiang Deliang (Interdisciplinary Research Center for Artificial Intelligence, Beijing University of Chemical Technology, Beijing, China) ,  Yin Qiang (College of Information Science and Technology, Beijing University of Chemical Technology, Beijing, China) ,  Zhou Yongsheng (College of Information Science and Technology, Beijing University of Chemical Technology, Beijing, China)
資料名： IEEE Transactions on Geoscience and Remote Sensing  (IEEE Transactions on Geoscience and Remote Sensing)
巻： 60  ページ： ROMBUNNO.5209314.1-14  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： 畳込みニューラルネットワーク(CNN)はPolSAR画像分類において有望な結果を達成する印象的な能力を実証した。しかし,従来のCNNは,固定サイズを有する局所正方形領域に関する畳込みを実行する。これらの局所正方形領域(パッチ)の選択は土地被覆の境界情報を十分に利用できず,全画像における最適近傍を探索できない。これらの短所を克服するために,PolSAR画像分類のためのスーパーピクセルベースのグラフ畳込みネットワーク(SP-GCN)を提案した。SP-GCNはグラフノードとしてスーパーピクセルを利用し,スーパーピクセルの境界情報を完全に利用し,GCNの計算コストを大幅に削減し,GCNを大規模PolSAR画像分類に適用することを可能にした。分類結果に及ぼすスーパーピクセルスケールの影響を減らすために,著者らはさらに,SP-GCNに基づくマルチスケールスーパーピクセルベースのグラフ畳込みネットワーク(MSSP-GCN)を提案した。3つのPolSARデータセットに関する実験結果は,他の最先端の方法に対する提案したSP-GCNとMSSP-GCNの優位性をしっかりと実証した。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： *畳込み ,  *ネットワーク ,  *画素 ,  土地被覆
準シソーラス用語： *マルチスケール ,  計算コスト ,  畳込みニューラルネットワーク , 【Automatic Indexing@JST】

分類 (3件)： パターン認識  (JE07000S) ,  医用画像処理  (JE04020T) ,  図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (2件)： 畳込み ,  画像分類