文献

J-GLOBAL ID：202202260163527120   整理番号：22A0575777

高空間分解能リモートセンシング画像のためのSiamseグローバル学習フレームワークに基づく土地利用/土地被覆変化検出【JST・京大機械翻訳】

Land-Use/Land-Cover change detection based on a Siamese global learning framework for high spatial resolution remote sensing imagery

著者 (8件)： Zhu Qiqi (School of Geography and Information Engineering, China University of Geosciences, Wuhan 430078, Hubei Province, China) ,  Guo Xi (School of Geography and Information Engineering, China University of Geosciences, Wuhan 430078, Hubei Province, China) ,  Deng Weihuan (School of Geography and Information Engineering, China University of Geosciences, Wuhan 430078, Hubei Province, China) ,  Shi Sunan (State Key Laboratory of Information Engineering in Surveying, Mapping, and Remote Sensing, Wuhan University, Wuhan 430078, Hubei Province, China) ,  Guan Qingfeng (School of Geography and Information Engineering, China University of Geosciences, Wuhan 430078, Hubei Province, China) ,  Zhong Yanfei (State Key Laboratory of Information Engineering in Surveying, Mapping, and Remote Sensing, Wuhan University, Wuhan 430078, Hubei Province, China) ,  Zhang Liangpei (State Key Laboratory of Information Engineering in Surveying, Mapping, and Remote Sensing, Wuhan University, Wuhan 430078, Hubei Province, China) ,  Li Deren (State Key Laboratory of Information Engineering in Surveying, Mapping, and Remote Sensing, Wuhan University, Wuhan 430078, Hubei Province, China)
資料名： ISPRS Journal of Photogrammetry and Remote Sensing (International Society for Photogrammetry and Remote Sensing)  (ISPRS Journal of Photogrammetry and Remote Sensing (International Society for Photogrammetry and Remote Sensing))
巻： 184  ページ： 63-78  発行年： 2022年 
JST資料番号： H0048A  ISSN： 0924-2716  資料種別： 逐次刊行物 (A)
記事区分： 短報  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 高空間分解能(HSR)リモートセンシング画像の豊富な特徴のため,これらの画像の変化検出は土地利用と土地被覆(LULC)変化を理解するために重要である。しかし,以前の研究は,変化クラスの意味情報を考慮しない従来の二値変化検出に主として焦点を合わせた。深層学習(DL)の最新の進歩は,HSRリモートセンシング画像変化検出におけるその利点を示す。しかし,多数のパラメータ計算のため,DLネットワークは常に大量のラベル付きデータを必要とする。さらに,変化検出のためのDL法は,通常パッチベース学習フレームワークに従い,それは局所領域のみを考慮し,意味変化検出に対するサンプル不均衡問題をもたらす。上記の問題に取り組むために,著者らは最初に,HSRリモートセンシング画像のための新規な意味的変化辞書フレームワークであるSiameseグローバル学習(Siam-GL)フレームワークを提案した。Siam-GLにおいて,共有パラメータを有するSiameseアーキテクチャを構築して,二時間HSRリモートセンシング画像の代表的特徴を効果的に抽出した。グローバル階層的(G-H)サンプリング機構を設計して,不十分なサンプルによる不均衡訓練サンプル問題に対処した。さらに,二値変化マスクを符号器と復号器の間に追加して,変化地域前景に及ぼす非変化地域バックグラウンドの影響を弱め,さらに提案フレームワークの精度を改善した。典型的な中国の都市の3つの多様なHSRデータセットで得た実験結果は,Siam-GLフレームワークが,品質と品質の両方に関して,先進の意味変化検出法より優れていることを実証した。さらに,Siam-GLフレームワークの一般化性能を検証するために,大きなデータセットを評価に用い,その結果,Siam-GLフレームワークは強い一般化性能を持つことを示した。Copyright 2022 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *学習 ,  ネットワーク ,  *土地利用 ,  復号器 ,  都市 ,  *画像 ,  符号器 ,  *リモートセンシング ,  検出法 ,  計算機アーキテクチャ ,  *土地被覆
準シソーラス用語： *土地被覆変化 ,  *リモートセンシング画像 ,  土地利用土地被覆 ,  深層学習 , 【Automatic Indexing@JST】

著者キーワード (6件)： 変化検出 ,  意味変化検出 ,  リモートセンシング ,  不均衡試料 ,  Siamesネットワーク ,  変化マスク

分類 (1件)： 写真測量,空中写真  (RC02040D)

タイトルに関連する用語 (7件)： 高空間分解能 ,  リモートセンシング画像 ,  グローバル ,  学習 ,  フレームワーク ,  土地利用 ,  土地被覆変化