文献

J-GLOBAL ID：202202268583668800   整理番号：22A0067046

道路抽出のための全体的に入れ子構造を意識したグラフニューラルネットワーク【JST・京大機械翻訳】

Holistically-Nested Structure-Aware Graph Neural Network for Road Extraction

著者 (3件)： Wang Tinghuai (Huawei Helsinki Research Center, Helsinki, Finland) ,  Wang Guangming (Huawei Helsinki Research Center, Helsinki, Finland) ,  Tan Kuan Eeik (Huawei Helsinki Research Center, Helsinki, Finland)
資料名： Lecture Notes in Computer Science  (Lecture Notes in Computer Science)
巻： 13017  ページ： 144-156  発行年： 2022年 
JST資料番号： H0078D  ISSN： 0302-9743  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： ドイツ (DEU)  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,衛星画像から道路を検出する際に大きな進歩を遂げた。しかしながら,既存のCNN手法は,一般的に意味的セグメンテーションアーキテクチャを再利用し,長く曲がった領域の貧弱な描写に悩まされている。全体の道路トポロジーと構造情報の欠如は,さらに挑戦的な遠隔観測画像に関してそれらの性能をさらに悪化させた。本論文は,道路領域と道路境界の両方を同時に検出する新しいマルチタスクグラフニューラルネットワーク(GNN)を提示した。これら2つのタスク間のインタープレイは,2つの展望から優れた性能をロックする。(1)階層的に検出された道路境界は,ネットワークが道路接続性を強化するための全体的道路構造を捉え,コード化することを可能にし,意味的土地被覆地域の固有の相関を同定することは,類似の外観を持つ地域によって混乱する道路の認識の困難さを緩和する。挑戦的なデータセットに関する実験は,提案したアーキテクチャが既存の方法と比較して,道路境界描写と道路抽出精度を改善できることを示した。Copyright Springer Nature Switzerland AG 2021 Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 位相幾何学 ,  *ネットワーク ,  *道路 ,  *ニューラルネットワーク ,  道路構造 ,  衛星利用画像 ,  再利用 ,  連結性 ,  計算機アーキテクチャ ,  土地被覆
準シソーラス用語： 入れ子構造 ,  *道路抽出 ,  畳込みニューラルネットワーク , 【Automatic Indexing@JST】

分類 (3件)： 図形・画像処理一般  (JE04010I) ,  道路工学一般  (RC08010M) ,  パターン認識  (JE07000S)

タイトルに関連する用語 (4件)： 道路抽出 ,  入れ子構造 ,  意識 ,  グラフニューラルネットワーク