...
  • 主题
高级搜索  >
历史搜索 清空历史
首页> 外文期刊>IEEE Geoscience and Remote Sensing Letters >Semantic Annotation of High-Resolution Remote Sensing Images via Gaussian Process Multi-Instance Multilabel Learning
【24h】

Semantic Annotation of High-Resolution Remote Sensing Images via Gaussian Process Multi-Instance Multilabel Learning

机译：高斯过程多实例多标签学习的高分辨率遥感影像语义标注

获取原文
获取原文并翻译 | 示例
           
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

This letter presents a hierarchical semantic multi-instance multilabel learning (MIML) framework for high-resolution (HR) remote sensing image annotation via Gaussian process (GP). The proposed framework can not only represent the ambiguities between image contents and semantic labels but also model the hierarchical semantic relationships contained in HR remote sensing images. Moreover, it is flexible to incorporate prior knowledge in HR images into the GP framework which gives a quantitative interpretation of the MIML prediction problem in turn. Experiments carried out on a real HR remote sensing image data set validate that the proposed approach compares favorably to the state-of-the-art MIML methods.
机译：这封信提出了一种分层的语义多实例多标签学习（MIML）框架，用于通过高斯过程（GP）进行高分辨率（HR）遥感图像注释。所提出的框架不仅可以表示图像内容和语义标签之间的歧义，而且可以对HR遥感图像中包含的层次语义关系进行建模。此外，可以灵活地将HR图像中的先验知识合并到GP框架中，从而依次对MIML预测问题进行定量解释。在真实的HR遥感图像数据集上进行的实验证明，该建议的方法与最新的MIML方法相比具有优势。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号