IEEE Transactions on Geoscience and Remote Sensing· 2016Q1
Büyük Ölçekli Uzaktan Algılama Görüntü Sınıflandırması için Evrişimli Sinir Ağları
Convolutional Neural Networks for Large-Scale Remote-Sensing Image Classification
- 1.110atıf
- Q1SCImago
- 2016yıl
Kısa özet
Tam evrişimli sinir ağlarını (CNN'ler) kullanan yeni bir uçtan uca çerçeve, uydu görüntülerinden doğrudan piksel bazında sınıflandırma haritaları üreterek, iyileştirilmiş tanıma ve yerelleştirme için çok ölçekli bir nöron modülü içerir.
Yapay zekâ ile başlık ve abstract'tan üretildi; tam metin okunmaz.
Ana noktalar
- CNN'ler kullanarak uydu görüntülerinden doğrudan piksel bazında sınıflandırma haritası üretimi için uçtan uca bir çerçeve önerir.
- İki adımlı bir eğitim yaklaşımı sunar: büyük, muhtemelen yanlış verilerle başlatma, ardından küçük, doğru verilerle iyileştirme.
- Tanıma ve hassas yerelleştirme arasındaki ödünleşmeyi aşmak için çok ölçekli bir nöron modülü tasarlar.
- Ağların ince taneli sınıflandırma haritaları sağlamak için büyük miktarda bağlamı dikkate aldığını gösterir.
Yapay zekâ ile başlık ve abstract'tan üretildi; tam metin okunmaz.
Özet (abstract)
We propose an end-to-end framework for the dense, pixelwise classification of satellite imagery with convolutional neural networks (CNNs). In our framework, CNNs are directly trained to produce classification maps out of the input images. We first devise a fully convolutional architecture and demonstrate its relevance to the dense classification problem. We then address the issue of imperfect training data through a two-step training approach: CNNs are first initialized by using a large amount of possibly inaccurate reference data, and then refined on a small amount of accurately labeled data. To complete our framework, we design a multiscale neuron module that alleviates the common tradeoff between recognition and precise localization. A series of experiments show that our networks consider a large amount of context to provide fine-grained classification maps.
Yazarların özeti; kaynağından alınmıştır. IEEE Transactions on Geoscience and Remote Sensing, 2016 · DOI ↗
Ücretsiz hesapla devam et
Makaleye Sor ile bu makaleye günde 3 soru ücretsiz; makaleyi kaydet, kaynakçasını al, ilgi alanına göre her gün yeni özetler. Çıkarımlar Premium.
Web'de ücretsiz devam etGoogle ya da Apple hesabınla giriş; kart istemez. Bu makaleye geri dönersin.
Telefonda:
Alan: Medya Teknolojisi
Media TechnologyEngineering