論文の概要: Multi-level Feature Fusion-based CNN for Local Climate Zone
Classification from Sentinel-2 Images: Benchmark Results on the So2Sat LCZ42
Dataset
- arxiv url: http://arxiv.org/abs/2005.07983v1
- Date: Sat, 16 May 2020 13:16:47 GMT
- ステータス: 処理完了
- システム内更新日: 2022-12-02 13:50:29.471493
- Title: Multi-level Feature Fusion-based CNN for Local Climate Zone
Classification from Sentinel-2 Images: Benchmark Results on the So2Sat LCZ42
Dataset
- Title（参考訳）: センチネル2画像からの局所気候ゾーン分類のためのマルチレベル特徴核融合CNN:So2Sat LCZ42データセットのベンチマーク結果
- Authors: Chunping Qiu and Xiaochong Tong and Michael Schmitt and Benjamin
Bechtel and Xiao Xiang Zhu
- Abstract要約: この研究は、LCZ分類専用の大きなSo2Sat LCZ42ベンチマークデータセットに基づいている。
本稿では,Sen2LCZ-Net-MF を拡張した Sen2LCZ-Net-MF を用いて,CNN で Sentinel-2 画像から LCZ を分類する手法を提案する。
本研究は,LCZ分類と他の都市土地被覆土地利用分類の両分野において,今後のCNNベースのアルゴリズム開発のための重要なベースラインを提供する。
- 参考スコア（独自算出の注目度）: 14.588626423336024
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: As a unique classification scheme for urban forms and functions, the local
climate zone (LCZ) system provides essential general information for any
studies related to urban environments, especially on a large scale. Remote
sensing data-based classification approaches are the key to large-scale mapping
and monitoring of LCZs. The potential of deep learning-based approaches is not
yet fully explored, even though advanced convolutional neural networks (CNNs)
continue to push the frontiers for various computer vision tasks. One reason is
that published studies are based on different datasets, usually at a regional
scale, which makes it impossible to fairly and consistently compare the
potential of different CNNs for real-world scenarios. This study is based on
the big So2Sat LCZ42 benchmark dataset dedicated to LCZ classification. Using
this dataset, we studied a range of CNNs of varying sizes. In addition, we
proposed a CNN to classify LCZs from Sentinel-2 images, Sen2LCZ-Net. Using this
base network, we propose fusing multi-level features using the extended
Sen2LCZ-Net-MF. With this proposed simple network architecture and the highly
competitive benchmark dataset, we obtain results that are better than those
obtained by the state-of-the-art CNNs, while requiring less computation with
fewer layers and parameters. Large-scale LCZ classification examples of
completely unseen areas are presented, demonstrating the potential of our
proposed Sen2LCZ-Net-MF as well as the So2Sat LCZ42 dataset. We also
intensively investigated the influence of network depth and width and the
effectiveness of the design choices made for Sen2LCZ-Net-MF. Our work will
provide important baselines for future CNN-based algorithm developments for
both LCZ classification and other urban land cover land use classification.
- Abstract（参考訳）: 地方気候ゾーン(LCZ)システムは,都市形態や機能に特有の分類手法として,特に大規模に都市環境に関する研究に不可欠な一般情報を提供する。
リモートセンシングデータに基づく分類手法はLCZの大規模マッピングとモニタリングの鍵となる。
高度な畳み込みニューラルネットワーク(cnns)は様々なコンピュータビジョンタスクのフロンティアを押し続けているが、ディープラーニングベースのアプローチの可能性はまだ十分に検討されていない。
1つの理由は、公表された研究が、通常、地域規模で異なるデータセットに基づいているため、現実世界のシナリオで異なるcnnの可能性を公平かつ一貫して比較することは不可能である。
この研究は、LCZ分類専用の大きなSo2Sat LCZ42ベンチマークデータセットに基づいている。
このデータセットを用いて,様々なサイズのCNNについて検討した。
さらに,我々は,Sentinel-2画像,Sen2LCZ-NetからLCZを分類するCNNを提案した。
このベースネットワークを用いて,拡張Sen2LCZ-Net-MFを用いたマルチレベル特徴の融合を提案する。
この提案した単純なネットワークアーキテクチャと高い競争力を持つベンチマークデータセットにより、より少ないレイヤとパラメータの計算を必要とせず、最先端のCNNよりも優れた結果が得られる。
提案するSen2LCZ-Net-MFとSo2Sat LCZ42データセットの可能性を実証した,未確認領域の大規模LCZ分類例を示す。
また,ネットワークの深さと幅がSen2LCZ-Net-MFの設計選択に与える影響について検討した。
本研究は,LCZ分類と都市土地被覆土地利用分類の両面で,今後のCNNベースのアルゴリズム開発のための重要なベースラインを提供する。
関連論文リスト
- Cross-City Matters: A Multimodal Remote Sensing Benchmark Dataset for
Cross-City Semantic Segmentation using High-Resolution Domain Adaptation
Networks [82.82866901799565]
我々は,都市間セマンティックセマンティックセグメンテーションタスクの研究を目的とした,新しいマルチモーダルリモートセンシングベンチマークデータセット(ハイパースペクトル,マルチスペクトル,SARを含む)を構築した。
単一都市に留まらず,多都市環境からAIモデルの一般化能力を促進するため,高解像度なドメイン適応ネットワークであるHighDANを提案する。
高DANは, 並列高分解能融合方式で, 都市景観の空間的トポロジカルな構造を良好に維持することができる。
論文 参考訳（メタデータ） (2023-09-26T23:55:39Z) - SAR Despeckling Using Overcomplete Convolutional Networks [53.99620005035804]
スペックルはSAR画像を劣化させるため、リモートセンシングにおいて重要な問題である。
近年の研究では、畳み込みニューラルネットワーク(CNN)が古典的解法よりも優れていることが示されている。
本研究は、受容場を制限することで低レベルの特徴を学習することに集中するために、過剰なCNNアーキテクチャを用いる。
本稿では,合成および実SAR画像の非特定化手法と比較して,提案手法により非特定化性能が向上することを示す。
論文 参考訳（メタデータ） (2022-05-31T15:55:37Z) - RSI-Net: Two-Stream Deep Neural Network Integrating GCN and Atrous CNN
for Semantic Segmentation of High-resolution Remote Sensing Images [3.468780866037609]
本稿では,リモートセンシング画像(RSI-Net)のセマンティックセグメンテーションのための2ストリームディープニューラルネットワークを提案する。
実験はVayhingen、Potsdam、Gaofen RSIデータセットで実施されている。
その結果,6つの最先端RSIセマンティックセグメンテーション法と比較して,総合的精度,F1スコア,カッパ係数において,RSI-Netの優れた性能を示した。
論文 参考訳（メタデータ） (2021-09-19T15:57:20Z) - Calibrating Class Activation Maps for Long-Tailed Visual Recognition [60.77124328049557]
本稿では,CNNの長期分布からネットワーク学習を改善するための2つの効果的な修正を提案する。
まず,ネットワーク分類器の学習と予測を改善するために,CAMC (Class Activation Map) モジュールを提案する。
第2に,長期化問題における表現学習における正規化分類器の利用について検討する。
論文 参考訳（メタデータ） (2021-08-29T05:45:03Z) - A hierarchical deep learning framework for the consistent classification
of land use objects in geospatial databases [8.703408520845645]
本稿では,土地利用情報を検証するための階層的ディープラーニングフレームワークを提案する。
複数レベルの土地利用を階層的に同時に予測することを目的とした新しいCNN方式を提案する。
実験によると、CNNはJOに依存しており、全体の精度は92.5%まで向上している。
論文 参考訳（メタデータ） (2021-04-14T17:16:35Z) - Fusion of CNNs and statistical indicators to improve image
classification [65.51757376525798]
畳み込みネットワークは過去10年間、コンピュータビジョンの分野を支配してきた。
この傾向を長引かせる主要な戦略は、ネットワーク規模の拡大によるものだ。
我々は、異種情報ソースを追加することは、より大きなネットワークを構築するよりもCNNにとって費用対効果が高いと仮定している。
論文 参考訳（メタデータ） (2020-12-20T23:24:31Z) - Classification of Polarimetric SAR Images Using Compact Convolutional
Neural Networks [24.553598498985796]
PolSAR画像の分類には,新しい,体系的な分類フレームワークが提案されている。
スライドウインドウ分類手法を用いたCNNのコンパクトで適応的な実装に基づいている。
提案手法は深層CNNよりも小さいウィンドウサイズで分類できる。
論文 参考訳（メタデータ） (2020-11-10T17:09:11Z) - A Two-Stage Approach to Device-Robust Acoustic Scene Classification [63.98724740606457]
デバイスロバスト性を改善するために,完全畳み込みニューラルネットワーク(CNN)に基づく2段階システムを提案する。
以上の結果から,提案したASCシステムにより,開発環境における最先端の精度が得られた。
クラスアクティベーションマッピングを用いたニューラルサリエンシ解析により、モデルによって学習されたパターンに関する新たな洞察が得られる。
論文 参考訳（メタデータ） (2020-11-03T03:27:18Z) - Developing High Quality Training Samples for Deep Learning Based Local
Climate Zone Classification in Korea [0.5257115841810257]
国連の計画によると、2050年までに3人に2人が都市部に住んでいる。
一般的な都市フットプリントデータは、高解像度の都市範囲を提供するが、分布、パターン、特徴に関する必須情報はない。
本研究では,韓国の主要都市をマルチスケール畳み込みニューラルネットワークを用いて地図化するためのローカル気候ゾーン(LCZ)データを開発した。
論文 参考訳（メタデータ） (2020-11-03T02:52:37Z) - Real-Time High-Performance Semantic Image Segmentation of Urban Street
Scenes [98.65457534223539]
都市景観のロバストなセマンティックセマンティックセグメンテーションのためのリアルタイムDCNNに基づく高速DCNN手法を提案する。
提案手法は, 51.0 fps と 39.3 fps の推論速度で, 平均 73.6% と平均 68.0% (mIoU) の精度を実現する。
論文 参考訳（メタデータ） (2020-03-11T08:45:53Z) - A framework for large-scale mapping of human settlement extent from
Sentinel-2 images via fully convolutional neural networks [0.0]
HSE情報(Human settlement extent)は、世界規模の都市化の貴重な指標である。
本稿では,多スペクトルSentinel-2データからHSEを自動的にマッピングするディープラーニングベースのフレームワークを提案する。
このフレームワークは、テスト領域に均等に分散された手動でラベル付けされたチェックポイントと、OpenStreetMapビルディングレイヤの両方に対して検証されている。
論文 参考訳（メタデータ） (2020-01-31T16:23:34Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。