論文の概要: LULC Segmentation of RGB Satellite Image Using FCN-8

• arxiv url: http://arxiv.org/abs/2008.10736v1
• Date: Mon, 24 Aug 2020 22:32:30 GMT
• ステータス: 処理完了
• システム内更新日: 2022-10-25 11:51:20.332636
• Title: LULC Segmentation of RGB Satellite Image Using FCN-8
• Title（参考訳）: FCN-8を用いたRGB衛星画像のLULC分割
• Authors: Abu Bakar Siddik Nayem, Anis Sarker, Ovi Paul, Amin Ali, Md. Ashraful Amin and AKM Mahbubur Rahman
• Abstract要約: 本稿では,vgg-16重みを持つFCN-8(Fully Convo-lutional Network)を訓練するための重なりのないグリッドベースアプローチを提案する。 FCN-8は、エンコーダによって学習された低分解能の特徴を高分解能でピクセル空間に意味的に投影し、高密度のクラスiカチオンを得る。
• 参考スコア（独自算出の注目度）: 0.8155575318208631
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: This work presents use of Fully Convolutional Network (FCN-8) for semantic segmentation of high-resolution RGB earth surface satel-lite images into land use land cover (LULC) categories. Specically, we propose a non-overlapping grid-based approach to train a Fully Convo-lutional Network (FCN-8) with vgg-16 weights to segment satellite im-ages into four (forest, built-up, farmland and water) classes. The FCN-8 semantically projects the discriminating features in lower resolution learned by the encoder onto the pixel space in higher resolution to get a dense classi cation. We experimented the proposed system with Gaofen-2 image dataset, that contains 150 images of over 60 di erent cities in china. For comparison, we used available ground-truth along with images segmented using a widely used commeriial GIS software called eCogni-tion. With the proposed non-overlapping grid-based approach, FCN-8 obtains signi cantly improved performance, than the eCognition soft-ware. Our model achieves average accuracy of 91.0% and average Inter-section over Union (IoU) of 0.84. In contrast, eCognitions average accu-racy is 74.0% and IoU is 0.60. This paper also reports a detail analysis of errors occurred at the LULC boundary.
• Abstract（参考訳）: 本研究は,高解像度RGB地表面サセルライト画像の土地利用土地被覆(LULC)カテゴリへのセマンティックセグメンテーションにFCN-8(Fully Convolutional Network)を用いた。 具体的には,vgg-16重み付き完全コンボリレーショナルネットワーク(fcn-8)を訓練し,衛星im-ageを4クラス(森林,ビルトアップ,農地,水)に分割する非重複グリッド方式を提案する。 fcn-8は、エンコーダが学習した低分解能の識別特徴を高分解能の画素空間に意味的に投影し、密集したクラスカチオンを得る。 提案手法を,中国60都市以上の画像を含むGaofen-2画像データセットを用いて実験した。 比較のために,ecogni-tionと呼ばれる汎用gisソフトウェアを用いて,利用可能な地上画像とセグメンテーション画像を用いた。 提案した非オーバーラップグリッドベースのアプローチにより、FCN-8はeCognitionソフトウェアよりも顕著に性能が向上した。 本モデルでは,平均精度91.0%,平均区間間距離(iou)0.84。 対照的に、eCognitions平均のアクク人種は74.0%、IoUは0.60である。 また,LULC境界における誤差の詳細な解析を行った。

関連論文リスト

• Efficient and Low-Footprint Object Classification using Spatial Contrast [0.07589017023705934]
  イベントベースの視覚センサは、伝統的に時間コントラストを計算し、低消費電力で低レイテンシなセンシングとコンピューティングの可能性を秘めている。 本研究では,局所空間コントラスト(SC)を用いたイベントベースセンサの代替パラダイムについて検討した。
  論文  参考訳（メタデータ） (2023-11-06T15:24:29Z)
• Beyond Cross-view Image Retrieval: Highly Accurate Vehicle Localization Using Satellite Image [91.29546868637911]
  本稿では,地上画像と架空衛星地図とをマッチングすることにより,車載カメラのローカライゼーションの問題に対処する。 鍵となる考え方は、タスクをポーズ推定として定式化し、ニューラルネットベースの最適化によってそれを解くことである。 標準自動運転車のローカライゼーションデータセットの実験により,提案手法の優位性が確認された。
  論文  参考訳（メタデータ） (2022-04-10T19:16:58Z)
• City-wide Street-to-Satellite Image Geolocalization of a Mobile Ground Agent [38.140216125792755]
  クロスビュー画像のジオローカライゼーションは、GPSを必要とせずに、局地画像とオーバーヘッド衛星画像とをマッチングすることにより、エージェントのグローバルな位置を推定する。 我々のアプローチはワイド・エリア・ジオローカライゼーション (WAG) と呼ばれ、ニューラルネットワークと粒子フィルタを組み合わせることで、GPSを付加した環境で移動するエージェントのグローバルな位置推定を実現している。 WAGは、20mの順序で位置推定精度を達成し、ベースライントレーニングと重み付けのアプローチと比較して98%の削減を実現した。
  論文  参考訳（メタデータ） (2022-03-10T19:54:12Z)
• Learning Neural Light Fields with Ray-Space Embedding Networks [51.88457861982689]
  我々は、コンパクトで、光線に沿った統合放射率を直接予測する新しいニューラル光場表現を提案する。 提案手法は,Stanford Light Field データセットのような,高密度の前方向きデータセットの最先端品質を実現する。
  論文  参考訳（メタデータ） (2021-12-02T18:59:51Z)
• Deep Transfer Learning for Land Use Land Cover Classification: A Comparative Study [0.0]
  本研究では,CNNをスクラッチからトレーニングする代わりに,事前学習ネットワークを微調整するトランスファーラーニングを利用する。 提案したアプローチにより、限られたデータ問題に対処することができ、非常に高い精度を実現しました。
  論文  参考訳（メタデータ） (2021-10-06T08:46:57Z)
• Low Light Image Enhancement via Global and Local Context Modeling [164.85287246243956]
  低照度画像強調のためのコンテキスト認識ディープネットワークを導入。 まず、全空間領域上の補完的な手がかりを見つけるために空間相関をモデル化するグローバルコンテキストモジュールを特徴とする。 第二に、比較的大きな受容フィールドで局所的なコンテキストをキャプチャする密な残留ブロックを導入する。
  論文  参考訳（メタデータ） (2021-01-04T09:40:54Z)
• GraNet: Global Relation-aware Attentional Network for ALS Point Cloud Classification [7.734726150561088]
  ALS点群のセマンティックラベリングに着目した新しいニューラルネットワークを提案する。 GraNetは局所幾何学的記述と局所依存性を学習する。 2つのALSポイントクラウドデータセット上で実験を行った。
  論文  参考訳（メタデータ） (2020-12-24T23:54:45Z)
• LULC classification by semantic segmentation of satellite images using FastFCN [0.8749675983608171]
  Fast Fully Convolutional Network (FastFCN)は、衛星画像を意味的にセグメント化し、土地利用/土地被覆(LULC)クラスを分類する。 FastFCNはGaofen-2イメージデータセット(GID-2)で、BuildingUp、Meadow、Farmland、Water、Forestの5つのクラスに分類するために使用された。
  論文  参考訳（メタデータ） (2020-11-13T09:33:03Z)
• A U-Net Based Discriminator for Generative Adversarial Networks [86.67102929147592]
  GAN(Generative Adversarial Network)のための代替U-Netベースの識別器アーキテクチャを提案する。 提案アーキテクチャにより,合成画像のグローバルコヒーレンスを維持しつつ,画素単位の詳細なフィードバックを生成元に提供することができる。 斬新な判別器は、標準分布と画像品質の指標の観点から、最先端の技術を向上する。
  論文  参考訳（メタデータ） (2020-02-28T11:16:54Z)
• Analyzing the Dependency of ConvNets on Spatial Information [81.93266969255711]
  本稿では,空間シャッフルとGAP+FCを用いて,学習段階とテスト段階の両方で空間情報を破壊する手法を提案する。 空間情報は、後続の層から小さな性能低下で削除できることを観察する。
  論文  参考訳（メタデータ） (2020-02-05T15:22:32Z)
• R-FCN: Object Detection via Region-based Fully Convolutional Networks [87.62557357527861]
  我々は,高精度かつ効率的な物体検出のための領域ベースの完全畳み込みネットワークを提案する。 我々の結果は、Faster R-CNNよりも2.5-20倍高速で、1画像あたり170msのテストタイムで達成される。
  論文  参考訳（メタデータ） (2016-05-20T15:50:11Z)

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。