文献

J-GLOBAL ID：202202280007572363   整理番号：22A0202727

リモートセンシング画像からの道路表面抽出のためのスクリブルベース弱教師付き深層学習【JST・京大機械翻訳】

Scribble-Based Weakly Supervised Deep Learning for Road Surface Extraction From Remote Sensing Images

著者 (2件)： Wei Yao (School of Remote Sensing and Information Engineering, Wuhan University, Wuhan, China) ,  Ji Shunping (School of Remote Sensing and Information Engineering, Wuhan University, Wuhan, China)
資料名： IEEE Transactions on Geoscience and Remote Sensing  (IEEE Transactions on Geoscience and Remote Sensing)
巻： 60  ページ： ROMBUNNO.5602312.1-12  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： 深層学習法を用いたリモートセンシング画像からの道路表面抽出は,良好な性能を達成し,一方,既存の方法の大部分は,完全教師つき学習に基づいており,それは,大量の訓練データを,面倒な画素当たりアノテーションで要求する。本論文では,高密度に注釈された道路表面グランドトルースの代わりに,中心線のような容易にアクセス可能なスクリブルから学習するScRoadExtractorと呼ばれるスクリブルベース弱教師つき道路表面抽出法を提案した。スパーススクリブルからラベルなしピクセルへの意味情報を伝播するために,道路網のバッファベース特性とスーパーピクセルの色と空間情報の両方を考慮する道路ラベル伝搬アルゴリズムを導入し,カテゴリー道路,非道路,および未知の提案マスクを生成した。提案マスクは,画像から検出された補助境界事前情報と共に,正確な道路表面セグメンテーションのために設計した二重分岐符号器・デコーダネットワークを訓練するために利用される。世界中の高分解能リモートセンシング衛星と空中画像から成る3つの多様な道路データセットに関する実験を行った。結果は,ScRoadExtractorが,結合(IoU)インジケーターの交差点に対して20%だけ古典的スクライブル教師つきセグメンテーション法を超え,少なくとも4%で最先端のスクリブルベースの弱教師つき方法より優れていることを実証した。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： アルゴリズム ,  セグメンテーション ,  *道路 ,  道路網 ,  *路面 ,  画素 ,  教師つき学習 ,  *リモートセンシング ,  高分解能 ,  アノテーション
準シソーラス用語： 事前知識 ,  *リモートセンシング画像 ,  空中画像 ,  グランドトゥルース ,  *深層学習 , 【Automatic Indexing@JST】

分類 (2件)： パターン認識  (JE07000S) ,  人工知能  (JE08000Z)

タイトルに関連する用語 (4件)： リモートセンシング画像 ,  道路表面 ,  教師 ,  深層学習