文献

J-GLOBAL ID：202202280708048335   整理番号：22A1086521

光学的リモートセンシング画像における高速で正確な顕著性検出のための完全スクイーズマルチスケール推論ネットワーク【JST・京大機械翻訳】

Fully Squeezed Multiscale Inference Network for Fast and Accurate Saliency Detection in Optical Remote-Sensing Images

著者 (5件)： Shen Kunye (School of Automation, Hangzhou Dianzi University, Hangzhou, China) ,  Zhou Xiaofei (School of Automation, Hangzhou Dianzi University, Hangzhou, China) ,  Wan Bin (School of Automation, Hangzhou Dianzi University, Hangzhou, China) ,  Shi Ran (School of Computer Science and Engineering, Nanjing University of Science and Technology, Nanjing, China) ,  Zhang Jiyong (School of Automation, Hangzhou Dianzi University, Hangzhou, China)
資料名： IEEE Geoscience and Remote Sensing Letters  (IEEE Geoscience and Remote Sensing Letters)
巻： 19  ページ： ROMBUNNO.6507705.1-5  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： 最近,光リモートセンシング画像(RSI)における顕著な物体検出がますます注目されている。オブジェクトの大規模変動,クラッタバックグラウンド,物体の不規則な形状,および照明における大きな差異を含むRSIsの課題に取り組むために,切断エッジ畳込みニューラルネットワーク(CNN)ベースのモデルを提案して,有望な性能を達成した。しかし,トップレベルモデルの性能は,通常,大きなモデルサイズと高い計算コストに依存し,実際の応用を制限する。問題を改善するために,全ネットワークを装備するために完全スクイーズドマルチスケール(FSM)モジュールを導入した。特に,FSMモジュールは高次元から低次元までの特徴マップをスクイーズし,異なる受容野と異なる文脈で特徴特性化の能力を与えるマルチスケール戦略を導入する。FSMモジュールに基づいて,FSM推論ネットワーク(FSMI-Net)を,光RSIsから突出するオブジェクトに構築し,それはより少ないパラメータおよび速い推論速度を有する。特に,提案したFSMI-Netは3.6Mパラメータのみを含み,そのGPU走行速度は384×384入力に対して約28fpsであり,これは光RSIsを目標とする既存の顕著性モデルより優れていた。2つの公開光RSIsデータセットに関して広範な比較を行い,著者らのFSMI-Netは最先端のモデルと比較して同等の検出精度を達成し,そこでは,著者らのモデルが計算コストと検出性能の間のバランスを実現した。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： *ネットワーク ,  走行速度 ,  クラッタ ,  文脈 ,  問題 ,  高次元 ,  キャラクタリゼーション
準シソーラス用語： *マルチスケール ,  物体検出 ,  計算コスト ,  受容野 ,  検出精度 ,  特徴マップ ,  *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】

分類 (1件)： 信号理論  (ND02020G)

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