文献

J-GLOBAL ID：202202271772197279   整理番号：22A0478786

GCDB-UNet:リモートセンシング画像のための新しいロバストな雲検出アプローチ【JST・京大機械翻訳】

GCDB-UNet: A novel robust cloud detection approach for remote sensing images

著者 (6件)： Li Xian (Shenzhen Key Laboratory of Internet Information Collaboration in Harbin Institute of Technology (Shenzhen), Shenzhen, 518055, China) ,  Yang Xiaofei (Shenzhen Key Laboratory of Internet Information Collaboration in Harbin Institute of Technology (Shenzhen), Shenzhen, 518055, China) ,  Li Xutao (Shenzhen Key Laboratory of Internet Information Collaboration in Harbin Institute of Technology (Shenzhen), Shenzhen, 518055, China) ,  Lu Shijian (School of Computer Science and Engineering in Nanyang Technological University, Singapore, 628798, Singapore) ,  Ye Yunming (Shenzhen Key Laboratory of Internet Information Collaboration in Harbin Institute of Technology (Shenzhen), Shenzhen, 518055, China) ,  Ban Yifang (Vice Chair of Department of Urban Planning and Environment at KTH Royal Institute of Technology in Stockholm, 10044, Sweden)
資料名： Knowledge-Based Systems  (Knowledge-Based Systems)
巻： 238  ページ： Null  発行年： 2022年 
JST資料番号： T0426A  ISSN： 0950-7051  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： クラウド検出は多くのリモートセンシング応用の必要条件であり,単純な閾値から複雑な深層ネットワーク訓練までの異なるアプローチによって取り組まれてきた。一方,既存の手法は,小さなサイズ,まばらな分布,ならびに非雲背景領域への高い透明性と類似性のため,薄い雲を取扱いながら,故障に影響を受けやすい。本論文は,グローバルコンテキスト高密度ブロック(GCDB)をU-Netフレームワークに埋め込むロバストクラウド検出ネットワークであるグローバルコンテキスト高密度ブロックU-Net(GCDB-UNet)を提示して,効果的に薄いクラウドを検出することができる。GCDBは,薄い雲検出における課題に取り組むための2つの特徴抽出ユニット,すなわち,スパースに分布した薄い雲を凝集させることによってサンプル相関特徴を抽出する非局所自己注意ユニットと,それらの重要性を識別することによってチャネル相関特徴を抽出するスクイーズ励起ユニットから成る。さらに,2種類の抽出特徴からマルチレベル微細粒表現を利用するために,高密度接続方式を設計し,予測分類マップの段階的強化のために,リカレント精密化モジュールを導入した。また,1192の訓練画像,80の検証画像および150の試験画像から成る完全注釈付きクラウド検出MODISデータセットを作成した。Landsat8,SPARCSおよびMODISデータセットに関する大規模な実験は,提案したGCDB-UNetが最先端の方法と比較して優れた雲検出性能を達成することを示した。作成したMODIS雲検出データセットはhttps://github.com/xiachangxue/MODIS-Dataset-for-Cloud-Detectionで利用可能である。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： 励起 ,  ネットワーク ,  特徴抽出 ,  *リモートセンシング ,  精密化 ,  必要条件 ,  深層 ,  チャネル ,  *ロバスト性 ,  再帰性 ,  アノテーション
準シソーラス用語： MODIS ,  マルチレベル ,  *リモートセンシング画像 ,  畳込みニューラルネットワーク , 【Automatic Indexing@JST】

著者キーワード (3件)： 畳込みニューラルネットワーク(CNN) ,  クラウド検出 ,  注意

分類 (2件)： 人工知能  (JE08000Z) ,  計算機網  (JC03000K)

タイトルに関連する用語 (3件)： リモートセンシング画像 ,  ロバスト ,  雲