論文の概要: Reverse Refinement Network for Narrow Rural Road Detection in High-Resolution Satellite Imagery
- arxiv url: http://arxiv.org/abs/2410.10389v1
- Date: Mon, 14 Oct 2024 11:23:47 GMT
- ステータス: 処理完了
- システム内更新日: 2024-10-29 21:54:49.467196
- Title: Reverse Refinement Network for Narrow Rural Road Detection in High-Resolution Satellite Imagery
- Title（参考訳）: 高解像度衛星画像における狭い農村道路検出のためのリバースリファインメントネットワーク
- Authors: Ningjing Wang, Xinyu Wang, Yang Pan, Wanqiang Yao, Yanfei Zhong,
- Abstract要約: R2-Netは、狭い農村道路を抽出し、背景からの接続性や特徴性を向上する。
実験では、R2-NetとDeepGlobeロード抽出データセットとWHU-RuR+グローバル大規模農村道路データセットを用いた最先端手法を比較した。
その結果,提案するR2-Netは大規模道路地図アプリケーションにおいて大きな性能上の利点があることがわかった。
- 参考スコア（独自算出の注目度）: 6.582832730721428
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The automated extraction of rural roads is pivotal for rural development and transportation planning, serving as a cornerstone for socio-economic progress. Current research primarily focuses on road extraction in urban areas. However, rural roads present unique challenges due to their narrow and irregular nature, posing significant difficulties for road extraction. In this article, a reverse refinement network (R2-Net) is proposed to extract narrow rural roads, enhancing their connectivity and distinctiveness from the background. Specifically, to preserve the fine details of roads within high-resolution feature maps, R2-Net utilizes an axis context aware module (ACAM) to capture the long-distance spatial context information in various layers. Subsequently, the multi-level features are aggregated through a global aggregation module (GAM). Moreover, in the decoder stage, R2-Net employs a reverse-aware module (RAM) to direct the attention of the network to the complex background, thus amplifying its separability. In experiments, we compare R2-Net with several state-of-the-art methods using the DeepGlobe road extraction dataset and the WHU-RuR+ global large-scale rural road dataset. R2-Net achieved superior performance and especially excelled in accurately detecting narrow roads. Furthermore, we explored the applicability of R2-Net for large-scale rural road mapping. The results show that the proposed R2-Net has significant performance advantages for large-scale rural road mapping applications.
- Abstract（参考訳）: 農村部の道路の自動抽出は、農村開発と交通計画において重要な役割を担い、社会経済の進展の基盤となっている。
現在の研究は主に都市部における道路の抽出に焦点を当てている。
しかし、田園部道路は狭く不規則な性質のため固有の課題があり、道路の抽出には重大な困難が伴う。
本稿では、狭い農村道路を抽出し、背景からの接続性や特徴性を高めるために、リバース・リファインメント・ネットワーク(R2-Net)を提案する。
具体的には、高解像度の特徴マップ内の道路の細部を保存するために、R2-Netは軸コンテキスト認識モジュール(ACAM)を用いて、様々な層における長距離空間コンテキスト情報をキャプチャする。
その後、グローバルアグリゲーションモジュール(GAM)を介してマルチレベル特徴を集約する。
さらに、デコーダの段階では、R2-Netは、ネットワークの注意を複雑な背景に向け、その分離性を増幅するために、リバース・アウェア・モジュール(RAM)を使用する。
実験では、R2-NetとDeepGlobeロード抽出データセットとWHU-RuR+グローバル大規模農村道路データセットを用いた最先端手法を比較した。
R2-Netは優れた性能を発揮し、特に狭い道路の正確な検出に優れていた。
さらに,大規模道路地図におけるR2-Netの適用性についても検討した。
その結果,提案するR2-Netは大規模道路地図アプリケーションにおいて大きな性能上の利点があることがわかった。
関連論文リスト
- Holistically-Nested Structure-Aware Graph Neural Network for Road Extraction [6.537257686406911]
本稿では,道路領域と道路境界の両方を同時に検出する新しいグラフニューラルネットワーク(GNN)を提案する。
挑戦的データセットの実験により,提案手法が道路境界のデライン化と道路抽出精度を向上させることを示す。
論文 参考訳（メタデータ） (2024-07-02T20:11:09Z) - Brightearth roads: Towards fully automatic road network extraction from satellite imagery [2.446672595462589]
衛星画像から道路網を抽出する完全自動パイプラインを提案する。
提案手法は, シームレスに接続し, 正確な位置決めを行う道路線路ストリングを直接生成する。
論文 参考訳（メタデータ） (2024-06-21T07:55:15Z) - Aerial Images Meet Crowdsourced Trajectories: A New Approach to Robust
Road Extraction [110.61383502442598]
我々は、Cross-Modal Message Propagation Network (CMMPNet)と呼ばれる新しいニューラルネットワークフレームワークを紹介する。
CMMPNetは、モダリティ固有の表現学習のための2つのディープオートエンコーダと、クロスモーダル表現洗練のためのテーラー設計のデュアルエンハンスメントモジュールで構成されている。
実世界の3つのベンチマーク実験により, CMMPNetによる堅牢な道路抽出の有効性が示された。
論文 参考訳（メタデータ） (2021-11-30T04:30:10Z) - Deep Reinforcement Learning Aided Packet-Routing For Aeronautical Ad-Hoc
Networks Formed by Passenger Planes [99.54065757867554]
エンド・ツー・エンド(E2E)遅延の最小化を目的としたAANETにおけるルーティングのための深層強化学習を起動する。
最深Qネットワーク(DQN)は、転送ノードで観測される最適ルーティング決定と局所的な地理的情報との関係をキャプチャする。
フィードバック機構を組み込んだディープバリューネットワーク(DVN)を用いて,システムのダイナミクスに関する知識をさらに活用する。
論文 参考訳（メタデータ） (2021-10-28T14:18:56Z) - Road Network Guided Fine-Grained Urban Traffic Flow Inference [108.64631590347352]
粗いトラフィックからのきめ細かなトラフィックフローの正確な推測は、新たな重要な問題である。
本稿では,道路ネットワークの知識を活かした新しい道路対応交通流磁化器(RATFM)を提案する。
提案手法は,高品質なトラフィックフローマップを作成できる。
論文 参考訳（メタデータ） (2021-09-29T07:51:49Z) - SPIN Road Mapper: Extracting Roads from Aerial Images via Spatial and
Interaction Space Graph Reasoning for Autonomous Driving [64.10636296274168]
道路抽出は、自律航法システムを構築するための重要なステップである。
この問題に対して単に畳み込みニューラルネットワーク(ConvNets)を使用することは、画像内の道路セグメント間の遠い依存関係をキャプチャする非効率であるため、効果がない。
本研究では,ConvNetに接続した時,特徴写像から投影された空間空間および相互作用空間上に構築されたグラフの推論を行う空間空間グラフ推論(SPIN)モジュールを提案する。
論文 参考訳（メタデータ） (2021-09-16T03:52:17Z) - Pseudo-LiDAR Based Road Detection [5.9106199000537645]
推論時にのみRGBが入力となる新しい道路検出手法を提案する。
深度推定を用いた擬似LiDARを利用して,RGBと学習深度情報を融合した特徴融合ネットワークを提案する。
提案手法は, KITTI と R2D の2つのベンチマークにおいて,最先端性能を実現する。
論文 参考訳（メタデータ） (2021-07-28T11:21:42Z) - Convolutional Recurrent Network for Road Boundary Extraction [99.55522995570063]
我々は,LiDARとカメラ画像からの道路境界抽出の問題に取り組む。
我々は,完全畳み込みネットワークが道路境界の位置と方向をエンコードする深い特徴量を得る構造化モデルを設計する。
北米の大都市において,道路境界の完全なトポロジを99.3%の時間で得られる方法の有効性を示す。
論文 参考訳（メタデータ） (2020-12-21T18:59:12Z) - PP-LinkNet: Improving Semantic Segmentation of High Resolution Satellite
Imagery with Multi-stage Training [4.694536172504848]
道路網と建築物のフットプリント抽出は、地図の更新、交通規制、都市計画、ライドシェアリング、災害対応テキストテットックなど、多くのアプリケーションにとって不可欠である。
論文 参考訳（メタデータ） (2020-10-14T10:23:48Z) - DiResNet: Direction-aware Residual Network for Road Extraction in VHR
Remote Sensing Images [12.081877372552606]
主に3つのコントリビューションを含む方向対応残差ネットワーク(DiResNet)を提案する。
提案手法は総合精度とF1スコアの両方に利点がある。
論文 参考訳（メタデータ） (2020-05-14T19:33:21Z) - Constructing Geographic and Long-term Temporal Graph for Traffic
Forecasting [88.5550074808201]
交通予測のための地理・長期時間グラフ畳み込み型ニューラルネットワーク(GLT-GCRNN)を提案する。
本研究では,地理的・長期的時間的パターンを共有する道路間のリッチな相互作用を学習する交通予測のための新しいフレームワークを提案する。
論文 参考訳（メタデータ） (2020-04-23T03:50:46Z)
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。