• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文期刊>Journal of Imaging Science and Technology >Multiple Object Extraction from Aerial imagery with Convolutional Neural Networks
【24h】

Multiple Object Extraction from Aerial imagery with Convolutional Neural Networks

机译：卷积神经网络从航空影像中提取多目标

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

An automatic system to extract terrestrial objects from aerial imagery has many applications in a wide range of areas. However, in general, this task has been performed by human experts manually, so that it is very costly and time consuming. There have been many attempts at automating this task, but many of the existing works are based on class-specific features and classifiers. In this article, the authors propose a convolutional neural network (CNN)-based building and road extraction system. This takes raw pixel values in aerial imagery as input and outputs predicted three-channel label images (building road background). Using CNNs, both feature extractors and classifiers are automatically constructed. The authors propose a new technique to train a single CNN efficiently for extracting multiple kinds of objects simultaneously. Finally, they show that the proposed technique improves the prediction performance and surpasses state-of-the-art results tested on a publicly available aerial imagery dataset. (C) 2016 Society for Imaging Science and Technology.
机译：从航空影像中提取地面物体的自动系统在广泛的领域中具有许多应用。但是，通常，此任务是由人类专家手动执行的，因此非常昂贵且耗时。已经有许多尝试使该任务自动化，但是许多现有的作品都基于特定于类的功能和分类器。在本文中，作者提出了一种基于卷积神经网络（CNN）的建筑和道路提取系统。这将航空影像中的原始像素值作为输入，并输出预测的三通道标签图像（建筑道路背景）。使用CNN，可以自动构造特征提取器和分类器。作者提出了一种有效地训练单个CNN以同时提取多种对象的新技术。最后，他们表明，所提出的技术提高了预测性能，并超过了在公开可用的航空影像数据集上测试的最新结果。 （C）2016年影像科学与技术学会。

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