文献

J-GLOBAL ID：201702255104602666   整理番号：17A0101133

マルチコア学習に基づく典型的な地上目標の特徴記述【JST・京大機械翻訳】

Feature Description of Typical Ground Objects Based on Multiple Kernel Learning

著者 (4件)： Zheng Laiwen (School of Electronic Information and Electrical Engineering, Shanghai Jiaotong University) ,  Zhao Ziyi (School of Electronic Information and Electrical Engineering, Shanghai Jiaotong University) ,  Huo Hong (School of Electronic Information and Electrical Engineering, Shanghai Jiaotong University) ,  Fang Tao (School of Electronic Information and Electrical Engineering, Shanghai Jiaotong University)
資料名： Shanghai Jiaotong Daxue Xuebao  (Shanghai Jiaotong Daxue Xuebao)
巻： 50  号： 9  ページ： 1339-1347  発行年： 2016年 
JST資料番号： W1060A  ISSN： 1006-2467  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 中国 (CHN)  言語： 中国語 (ZH)

抄録/ポイント： 典型的地上目標のために記述された最適特性の組合せを見つけるために,マルチコア学習に基づく目標物の特性記述法を提案した。まず第一に,テクスチャ特徴と色特徴のようないくつかの低レベル特性を抽出する。次に,マルチコア学習アルゴリズムを,マルチコア分類モデルを訓練するために採用した。最終的に,特徴重み行列から特定のタイプのオブジェクトに対応する特徴ベクトルを抽出し,重みの大きさに従って降順にソートすることによって,特定の目標のために最適化された特徴の組合せを発見する。さらに,すべてのオブジェクトクラスにおけるすべての特徴の重みづけ順序を計算するために,包括的ランキング法を提案した。結果により、異なるタイプの地上目標に対して、それらの最適特徴を記述するのに適しており、マルチコア学習アルゴリズムを利用して複数の特徴を配置することは、単独の特徴を用いて画像を記述するよりも優れていることが明らかになった。Data from the ScienceChina, LCAS. Translated by JST【JST・京大機械翻訳】

シソーラス用語： ソーティング ,  等級づけ ,  学習アルゴリズム ,  最適化 ,  書法 ,  画像 ,  *学習 ,  重みづけ
準シソーラス用語： オブジェクトクラス ,  特徴ベクトル ,  分類モデル ,  色特徴 ,  テクスチャ特徴 ,  *マルチコアプロセッサ , 【Automatic Indexing@JST】

著者キーワード (5件)： multiple kernel learning ,  high-resolution remote sensing image ,  ground object ,  feature description ,  feature ranking

分類 (2件)： パターン認識  (JE07000S) ,  図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (5件)： マルチコア ,  学習 ,  地上 ,  目標 ,  記述