完全畳み込みネットワークに基づくマルチラベルリモートセンシング画像検索

従来のリモートセンシング画像検索（RSIR）システムは通常、各画像が画像の最も重要な意味内容を表す単一のラベルで注釈付けされる単一ラベル検索を行います。しかし、このシナリオでは、リモートセンシング画像のシーンの複雑さが無視されており、画像には複数のクラス（すなわち、複数のラベル）が存在する可能性があり、その結果、検索性能が悪化します。そこで、我々は完全畳み込みネットワーク（FCN）に基づく新しいマルチラベルRSIRアプローチを提案します。具体的には、FCNはまず、考慮される画像アーカイブ内の各画像のセグメンテーションマップを予測するために訓練されます。次に、マルチラベルベクトルを取得し、各画像のセグメンテーションマップに基づいて領域の畳み込み特徴を抽出します。抽出された領域特徴は、最終的に領域ベースのマルチラベル検索を実行するために使用されます。実験結果により、我々のアプローチは手動で作成された特徴および畳み込みニューラルネットワークの特徴と比較して最先端の性能を達成することが示されました。