文献

J-GLOBAL ID：202202273988956155   整理番号：22A0977138

WRICNet:リモートセンシング画像変化検出のための重み付きリッチスケール初生符号器ネットワーク【JST・京大機械翻訳】

WRICNet: A Weighted Rich-Scale Inception Coder Network for Remote Sensing Image Change Detection

著者 (4件)： Jiang Yu (School of Computer Information Engineering, Jiangxi Normal University, Nanchang, China) ,  Hu Lei (School of Computer Information Engineering, Jiangxi Normal University, Nanchang, China) ,  Zhang Yongmei (School of Information, North China University of Technology, Beijing, China) ,  Yang Xin (School of Computer Information Engineering, Jiangxi Normal University, Nanchang, China)
資料名： IEEE Transactions on Geoscience and Remote Sensing  (IEEE Transactions on Geoscience and Remote Sensing)
巻： 60  ページ： ROMBUNNO.4705313.1-13  発行年： 2022年 
JST資料番号： H0016B  ISSN： 0196-2892  CODEN： IGRSD2  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： リモートセンシング画像変化検出モデルの大多数は,高レベルセマンティック特徴を抽出することに焦点を合わせる。しかし,サイズの大きな差で変化領域を検出するのは困難であり,正確な変化領域エッジは難しい。これらの問題を解決するために,重み付きリッチスケール開始モジュールと加重リッチスケール符号器モジュールから成る重み付きリッチスケール開始符号器ネットワーク(WRICNet)を提案した。前者は低レベルマルチスケール特徴(LMF)を保持することができ,後者は高レベルマルチスケール特徴(HMF)を抽出することができる。LMFとHMFを融合することにより,大きな変化領域と小さな変化領域の両方を検出し,領域エッジを正確に変えることができる。LMFとHMFを良好に補完するために,マルチスケール特徴に適切な重みを割り当てる加重スケールブロックを提案した。比較方法と比較して,データセットに関する性能実験は,著者らの提案方法がさらに誤警報と誤警報を減らすことができて,変化領域端部をより正確であることを示した。さらに,アブレーション研究は,著者らの訓練戦略,モデル設定,および開始と豊かなスケールブロックの改善が有効であることを示した。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： *検出 ,  *ネットワーク ,  *画像 ,  *符号器 ,  指数 ,  規模 ,  アブレーション
準シソーラス用語： 比較法 ,  マルチスケール ,  変化検出 ,  誤警報 ,  *リモートセンシング画像 , 【Automatic Indexing@JST】

分類 (2件)： 図形・画像処理一般  (JE04010I) ,  パターン認識  (JE07000S)

タイトルに関連する用語 (4件)： リモートセンシング画像 ,  変化検出 ,  スケール ,  符号器