文献

J-GLOBAL ID：202202264556391636   整理番号：22A1104056

深層学習技術を用いた市街地の衛星画像からの建物の変化検出分類【JST・京大機械翻訳】

Change Detection Classification of Buildings from Satellite Images of Urban Area using Deep Learning Techniques

著者 (4件)： Samreen Hafeeza (VR Siddhartha Engineering College,Department of Computer Science & Engineering,India) ,  Katragadda Supriya (VR Siddhartha Engineering College,Department of Computer Science & Engineering,India) ,  Vasavi S. (VR Siddhartha Engineering College,Department of Computer Science & Engineering,India) ,  Rao K. Venu Gopala (VR Siddhartha Engineering College,Department of Computer Science & Engineering,India)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2022  号： ICAIS  ページ： 592-597  発行年： 2022年 
JST資料番号： W2441A  資料種別： 会議録 (C)
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： データ分析の必要性が浮上しているので,建物検出における変化検出の検討が重要になってきた。非常に高解像度の画像は,深さ内の表面位置の特定に関して広範囲の応用を有する。VHRからの建築物抽出は,多くのリアルタイム応用においてより一般的になった。人間の専門家が関連するデータを手動で抽出することは困難であり,VHR画像からの検出と特徴抽出が極めて重要である。提案システムでは,異なる日のデータセットからのビルドアップ領域の比較を行う。最初に,大きなデータセットを考察し,次に,データを画像再サイジング,画像作付けおよびノイズの除去のために前処理した。このために,まず,クラスA:バニッシング,クラスB:EmergingおよびクラスC:不変の制約を分類した。建築のカウントが毎日急速に増加しているので,1つはビルドアップエリアの比較分析を達成して,建築のタイプ,長さ,幅,従ってデータセットの両方からの面積を決定して,1からもう1つのクラスの変化を決定することができる。異なる時間における同じ場所のpngとpngの後の2つの画像は,それぞれ1024×1024画素であった。最初の半分は,都市地域分類のための画像処理に焦点を合わせ,一方,第2の部分は,ビルドアップ領域を記述し,比較する。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： 雑音 ,  前処理 ,  特徴抽出 ,  サイジング ,  画像処理 ,  データ解析 ,  *市街地 ,  *衛星利用画像 ,  高分解能
準シソーラス用語： 変化検出 ,  実時間 ,  比較分析 ,  作付け ,  *深層学習 ,  建設物 , 【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 (6件)： 深層学習 ,  市街地 ,  衛星画像 ,  建物 ,  変化検出 ,  分類