MU-net: Deep learning-based thermal IR image estimation from RGB image

Yumi Iwashita, Kazuto Nakashima, Sir Rafol, Adrian Stoica, Ryo Kurazume

研究成果: 書籍/レポート タイプへの寄稿会議への寄与

1 被引用数 (Scopus)

抄録

Terrain imagery collected by satellite remote sensing or by rover on-board sensors is the primary source for terrain classification used in determining terrain traversibility and mission plans for planetary rovers. Mapping models between RGB and IR for terrain classes are learned from real RGB and IR data examples in the same or similar terrain. This paper adds a new class of deep learning architectures called MU-Net (Multiple U-Net) and shows its efficiency in deriving better RGB-to-IR mapping models, improving over past work the estimation of thermal IR images from incoming RGB images and learned RGB-IR mappings.

本文言語英語
ホスト出版物のタイトルProceedings - 2019 IEEE/CVF Conference on Computer Vision and Pattern Recognition Workshops, CVPRW 2019
出版社IEEE Computer Society
ページ1022-1028
ページ数7
ISBN(電子版)9781728125060
DOI
出版ステータス出版済み - 6月 2019
イベント32nd IEEE/CVF Conference on Computer Vision and Pattern Recognition Workshops, CVPRW 2019 - Long Beach, 米国
継続期間: 6月 16 20196月 20 2019

出版物シリーズ

名前IEEE Computer Society Conference on Computer Vision and Pattern Recognition Workshops
2019-June
ISSN(印刷版)2160-7508
ISSN(電子版)2160-7516

会議

会議32nd IEEE/CVF Conference on Computer Vision and Pattern Recognition Workshops, CVPRW 2019
国/地域米国
CityLong Beach
Period6/16/196/20/19

!!!All Science Journal Classification (ASJC) codes

  • コンピュータ ビジョンおよびパターン認識
  • 電子工学および電気工学

フィンガープリント

「MU-net: Deep learning-based thermal IR image estimation from RGB image」の研究トピックを掘り下げます。これらがまとまってユニークなフィンガープリントを構成します。

引用スタイル