文献

J-GLOBAL ID：202202270538961752   整理番号：22A0397562

空中リモートセンシング画像のためのマルチスケール空間注意機構に基づく影検出アルゴリズム【JST・京大機械翻訳】

A Shadow Detection Algorithm Based on Multiscale Spatial Attention Mechanism for Aerial Remote Sensing Images

著者 (4件)： Liu Dongyang (School of Electronics and Information Engineering, Harbin Institute of Technology, Harbin, China) ,  Zhang Junping (School of Electronics and Information Engineering, Harbin Institute of Technology, Harbin, China) ,  Wu Yinhu (School of Electronics and Information Engineering, Harbin Institute of Technology, Harbin, China) ,  Zhang Ye (School of Electronics and Information Engineering, Harbin Institute of Technology, Harbin, China)
資料名： IEEE Geoscience and Remote Sensing Letters  (IEEE Geoscience and Remote Sensing Letters)
巻： 19  ページ： ROMBUNNO.6003905.1-5  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： 自動陰影検出は,リモートセンシング画像処理の分野で重要な研究問題である。影領域はリモートセンシング画像の解釈に深刻な影響を与える。しかし,既存の方法は小さな影領域に対して貧弱な検出効果を持ち,弱照明領域と影領域を区別する能力は不十分である。この理由のために,著者らは,MSASDNetと呼ばれる空中リモートセンシング画像のためのマルチスケール空間注意機構に基づく影検出ネットワークを提案する。最初に,残差ブロックに基づくバックボーンを採用して,入力画像の予備特性を抽出した。次に,空間注意情報を有するマルチスケール特徴を抽出するために,空間注意機構に基づくマルチスケール特徴抽出モジュールを設計し,それは,検出に及ぼす複合非影領域の影響を抑制し,小影領域の検出能力を改善することができた。最後に,デコンボリューションに基づく復号器構造を用いて,結合特徴から影マスクを予測した。Shadow検出(AISD)データセットに対するAerial Imageryデータセット上で行った実験は,いくつかの最先端の方法による定量的および定性的比較に関してMSASDNetの優位性を示した。コードはhttps://github.com/HITLDY/MSASDNet中ですぐに放出する。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： ネットワーク ,  照明 ,  復号器 ,  特徴抽出 ,  残差 ,  *デコンボリューション
準シソーラス用語： *マルチスケール ,  *リモートセンシング画像 ,  *検出アルゴリズム , 【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)： リモートセンシング画像 ,  マルチ ,  スケール空間 ,  注意 ,  影 ,  検出アルゴリズム