文献

J-GLOBAL ID：202202249637891807   整理番号：22A0846761

EUNetMTL:高分解能リモートセンシング画像からの道路抽出のためのマルチタスクジョイント学習【JST・京大機械翻訳】

EUNetMTL: multitask joint learning for road extraction from high-resolution remote sensing images

著者 (7件)： Yi Feng (Changguang Satellite Technology Co., Ltd, Changchun, China) ,  Yi Feng (Jilin Key Laboratory of Satellite Remote Sensing Application Technology, Changchun, China) ,  Te Rigen (Changguang Satellite Technology Co., Ltd, Changchun, China) ,  Te Rigen (Jilin Key Laboratory of Satellite Remote Sensing Application Technology, Changchun, China) ,  Zhao Yuheng (Changguang Satellite Technology Co., Ltd, Changchun, China) ,  Zhao Yuheng (Jilin Key Laboratory of Satellite Remote Sensing Application Technology, Changchun, China) ,  Xu Guocheng (Department of Materials Science & Engineering, Jilin University, Changchun, China)
資料名： Remote Sensing Letters  (Remote Sensing Letters)
巻： 13  号： 3  ページ： 258-268  発行年： 2022年 
JST資料番号： W2289A  ISSN： 2150-704X  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： イギリス (GBR)  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に基づく道路抽出は,主要な研究ホットスポットになった。しかしながら,従来のピクセルレベル意味セグメンテーション法は,道路連続性の詳細を欠き,多くの断片化道路セグメントを含む道路抽出,従って不正確なセグメンテーション結果をもたらす。これらの問題に取り組むために,意味セグメンテーションと方向学習に基づくエンドツーエンドモデル,効率的なUNetマルチタスク共同学習(EUNetMTL)モデルを提案した。最初に,EUNetMTLは,特徴抽出のために効率的Net-B4に基づく符号器-デコーダネットワーク構造を使用して,それは優れた特徴抽出精度によってそれを提供した。第2に,この復号器を,受容野を拡大するために拡張畳込みを加えることによって修正した。最後に,モデルは方向学習復号化ブランチを組み込み,それはセグメンテーションタスクブランチと符号化を共有することによって,道路抽出における不連続性問題を解決した。DeepGlobalとSpaceNet道路データセット上で行った実験の結果は,提案モデルが現在の最先端手法のものより優れた高品質セグメンテーション結果を達成することを示した。Please refer to the publisher for the copyright holders. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 畳込み ,  *学習 ,  セグメンテーション ,  *道路 ,  復号器 ,  特徴抽出 ,  *画像 ,  ネットワーク構造 ,  復号化 ,  符号器 ,  エンドツーエンド方式 ,  ホットスポット ,  不連続性 ,  *高分解能
準シソーラス用語： 高品質 ,  *リモートセンシング画像 , 【Automatic Indexing@JST】

分類 (2件)： 写真測量,空中写真  (RC02040D) ,  気象学一般  (DC05010D)

タイトルに関連する用語 (6件)： 高分解能 ,  リモートセンシング画像 ,  道路抽出 ,  マルチタスク ,  ジョイント ,  学習