文献

J-GLOBAL ID：202202277112338449   整理番号：22A0397780

リモートセンシング画像の意味論的セグメンテーションのための二重経路スパース階層ネットワーク【JST・京大機械翻訳】

Dual-Path Sparse Hierarchical Network for Semantic Segmentation of Remote Sensing Images

著者 (5件)： Wang Yupei (Beijing Institute of Technology, Beijing, China) ,  Shi Hao (Beijing Institute of Technology, Beijing, China) ,  Dong Shan (School of Information and Communication Engineering, Communication University of China, Beijing, China) ,  Zhuang Yin (Beijing Institute of Technology, Beijing, China) ,  Chen Liang (Beijing Institute of Technology, Beijing, China)
資料名： IEEE Geoscience and Remote Sensing Letters  (IEEE Geoscience and Remote Sensing Letters)
巻： 19  ページ： ROMBUNNO.8010505.1-5  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： リモートセンシング画像の意味論的セグメンテーションは,正しい意味カテゴリーであらゆる画素をラベルすることを目的とする。現在の深い畳み込みネットワーク(ConvNet)ベースの方法のコアチャレンジは,バックボーンの階層構造に沿った高レベルカテゴリー意味論と低レベル局所詳細を効果的に集約する困難さにある。ほとんどの現在の手法は,短距離特徴接続で徐々に隣接特徴層を融合することのみを考慮しており,それは長距離クロススケール接続のような特徴相互作用の多様性を欠いている。この目的のために,豊富なクロススケール特徴相互作用を特徴とする新しいデュアルパススパース階層ネットワークを提案した。マルチスケール特徴は,最初に,あらかじめ定義された間隔によってまばらにグループ分けされ,次に,階層的方法で長範囲および短範囲クロススケール接続の両方を通して凝集する。さらに,特徴相互作用の多様性をさらに強化するために,並列に別の融合経路を導入するが,特徴グループ化のために異なるスパース性を持ち,二重経路ネットワークを形成する。この方法で,著者らのモデルは,並列および階層的方法で長距離および短距離特徴相互作用の両方を組み込むことにより,マルチレベル特徴を効果的に集約できる。一方,マルチレベル特徴間の意味と分解能ギャップも架橋できる。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： 相互作用 ,  畳込み ,  *意味論 ,  *セグメンテーション ,  *ネットワーク ,  分解能 ,  画素 ,  階層構造
準シソーラス用語： スパース性 ,  マルチレベル ,  マルチスケール ,  長距離 ,  *リモートセンシング画像 ,  *階層ネットワーク , 【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 ,  意味論 ,  セグメンテーション ,  経路 ,  階層ネットワーク