文献

J-GLOBAL ID：202202276759093017   整理番号：22A0202651

リモートセンシング画像超解像のためのハイブリッドスケール自己相似性開発【JST・京大機械翻訳】

Hybrid-Scale Self-Similarity Exploitation for Remote Sensing Image Super-Resolution

著者 (2件)： Lei Sen (Image Processing Center, School of Astronautics, Beihang University, Beijing, China) ,  Shi Zhenwei (Image Processing Center, School of Astronautics, Beihang University, Beijing, China)
資料名： IEEE Transactions on Geoscience and Remote Sensing  (IEEE Transactions on Geoscience and Remote Sensing)
巻： 60  ページ： ROMBUNNO.5401410.1-10  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： 最近,深い畳み込みニューラルネットワーク(CNN)はリモートセンシング画像超解像(SR)において大きな進歩を遂げてきた。CNNベースの方法は,多くの低および高解像度の対応物から強力な特徴表現を学習できる。リモートセンシング画像では,同じスケールと異なるスケール内で,画像自体の内部で再発した多くの類似した地上ターゲットがある。本論文では,この内部再発がより強い特徴表現を学習するために使用でき,リモートセンシング画像SRのための新しいハイブリッドスケール自己相似開発ネットワーク(HSENet)を提案する。特に,単一スケール自己相似性開発モジュール(SSEM)を導入し,同じスケール画像内の特徴相関を計算した。さらに,異なるスケールにわたる再発を捉えるために,クロススケール接続構造(CCS)を設計した。SSEMとCCSを結合することによって,著者らはさらに,単一および交差スケール類似性を利用する最終的HSENetを構築するために,ハイブリッドスケール自己相似性開発モジュール(HSEM)を開発した。実験結果は,HSENetがいくつかの最先端の方法に関して優れた性能を得ることができることを証明した。さらに,この方法の有効性をリモートセンシングシーン分類タスクへの支援により検証する。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 ,  *リモートセンシング ,  *超解像 ,  類似性 ,  有効性 ,  高分解能 ,  *自己相似性
準シソーラス用語： *リモートセンシング画像 ,  シーン分類 ,  特徴表現 ,  畳込みニューラルネットワーク , 【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 (5件)： リモートセンシング画像 ,  超解像 ,  スケール ,  自己相似性 ,  開発