文献

J-GLOBAL ID：202202255611903111   整理番号：22A0397831

敵対的一貫性損失を伴うマルチモーダルGANを用いたクラウド除去【JST・京大機械翻訳】

Cloud Removal Using Multimodal GAN With Adversarial Consistency Loss

著者 (5件)： Zhao Yunpu (School of Computer Science, Wuhan University, Wuhan, China) ,  Shen Shikun (School of Computer Science, Wuhan University, Wuhan, China) ,  Hu Jiarui (School of Remote Sensing and Information Engineering, Wuhan University, Wuhan, China) ,  Li Yinglong (School of Computer Science, Wuhan University, Wuhan, China) ,  Pan Jun (State Key Laboratory of Information Engineering in Surveying, Mapping and Remote Sensing, Wuhan University, Wuhan, China)
資料名： IEEE Geoscience and Remote Sensing Letters  (IEEE Geoscience and Remote Sensing Letters)
巻： 19  ページ： ROMBUNNO.8015605.1-5  発行年： 2022年 
JST資料番号： W1397A  ISSN： 1545-598X  CODEN： IGRSBY  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： リモートセンシング画像処理の分野では,雲はリモートセンシング画像の品質とその適用可能性に大きく影響する。したがって,近年,画像処理の分野で使われる深層学習技術の普及により,単一リモートセンシング画像を用いたクラウド除去のために多くの方法が提案されてきた。既存の単一画像雲除去法は,それらを多様なリモートセンシング画像に適用するのを防ぐ貧弱な一般化能力に悩まされる。このように,マルチモーダルアーキテクチャを用いた新しい方法を提案し,画像に対して複数の最もありそうな出力を提供し,知覚ベース画像品質評価装置(PIQE)を通して最良のものを選択する。さらに,敵対的一貫性損失を用いて,サイクル一貫性損失を置換し,それにより,元の画像のより多くのテクスチャ情報を保持するためのモデルを奨励し,そして,このように,生成画像の品質は,増加した。実験は,提示した方法が,他の方法と比較して,ピーク信号対雑音比と構造類似性指数のかなりの増加を容易に達成できることを証明した。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： 画像処理 ,  画質 ,  *多モード ,  類似性 ,  計算機アーキテクチャ
準シソーラス用語： ピーク信号対雑音比 ,  合成画像 ,  リモートセンシング画像 ,  深層学習 , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (5件)： 敵対 ,  損失 ,  マルチモーダル ,  GaN ,  クラウド