کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
6949021 1451230 2018 13 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
Deep multi-task learning for a geographically-regularized semantic segmentation of aerial images
ترجمه فارسی عنوان
یادگیری عمیق چند کاره برای تقسیم بندی معنایی جغرافیایی - منظم تصاویر هوایی
کلمات کلیدی
تقسیم معنایی، شناسایی مرز معنایی، شبکه های عصبی انعقادی، زمینه های تصادفی محض، یادگیری چند کاره وضوح دقت سنج، تصاویر هوایی،
ترجمه چکیده
نتایج ما نشان می دهد که چنین استراتژی ایجابی بهتر از یک سری از خطوط قوی که منعکس کننده فناوری های پیشرفته است را فراهم می کند. استراتژی پیشنهادی یک چارچوب انعطاف پذیر و اصولی را شامل می شود که شامل چندین منبع اطلاعات بصری و ساختاری می شود، در حالی که اجازه می دهد که حساب های قانونی سازی فضایی برای پیش بینی های مربوط به سازه های خروجی انتظار می رود.
موضوعات مرتبط
مهندسی و علوم پایه مهندسی کامپیوتر سیستم های اطلاعاتی
چکیده انگلیسی
Our results show that such strategy provide better regularization than a series of strong baselines reflecting state-of-the-art technologies. The proposed strategy offers a flexible and principled framework to include several sources of visual and structural information, while allowing for different degrees of spatial regularization accounting for priors about the expected output structures.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: ISPRS Journal of Photogrammetry and Remote Sensing - Volume 144, October 2018, Pages 48-60
نویسندگان
, ,