文献

J-GLOBAL ID：201902255371335027   整理番号：19A2762503

PolSARデータを用いた機械学習による土地利用分類に関する基礎的検討

Fundamental Study on Land Use Classification of PolSAR Data by Using Machine Learning

著者 (5件)： 齋藤奈々子 (新潟大 大学院自然科学研究科) ,  牛腸正則 (新潟大 大学院自然科学研究科) ,  山田寛喜 (新潟大 大学院自然科学研究科) ,  佐藤亮一 (新潟大 教育) ,  山口芳雄 (新潟大 大学院自然科学研究科)
資料名： 電子情報通信学会技術研究報告  (IEICE Technical Report (Institute of Electronics, Information and Communication Engineers))
巻： 119  号： 168(AP2019 47-69)(Web)  ページ： 55-60 (WEB ONLY)  発行年： 2019年08月14日 
JST資料番号： S0532B  ISSN： 0913-5685  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： 日本 (JPN)  言語： 日本語 (JA)

抄録/ポイント： 多偏波合成開口レーダ(PolSAR)は,広域観測性と偏波の利用によるターゲット識別性能の高さから,近年,地表面のターゲット検出・分類における需要が増加している.偏波解析手法には散乱電力分解法や固有値解析など,様々な手法が提案されている.近年,誤分類の減少や分類精度向上のために,機械学習を用いた分類手法が盛んに研究されている.本稿では基礎検討として,ALOS-2データに対し,畳み込みニューラルネットワーク(CNN)による土地利用分類を行い,散乱電力分解法やサポートベクターマシン(SVM)を用いた場合との比較検討を行う.(著者抄録)

シソーラス用語： *合成開口レーダ ,  測地衛星 ,  データ ,  ニューラルネットワーク ,  *分類 ,  サポートベクトルマシン ,  研究 ,  評価 ,  比率 ,  機械学習 ,  *基礎研究 ,  畳込みニューラルネットワーク ,  *土地利用分類 ,  だいち2号 ,  実用衛星 ,  飛翔体
準シソーラス用語： ALOS-2 ,  正解率 ,  精度評価 ,  比較検討 ,  偏波合成開口レーダ

分類 (4件)： レーダ  (ND13010H) ,  土地利用一般,地域制  (RD02010Z) ,  人工知能  (JE08000Z) ,  パターン認識  (JE07000S)

引用文献 (12件)：

• S.R. Cloude and E. Pottier, “A review of target decomposition theorems in radar polarimetry,” IEEE Trans. Geosci. Remote Sens., vol.34, no.2, pp.498-518, Mar. 1996.
• A. Krizhevsky, I. Sutskever, and G.E. Hinton, “ImageNet classification with deep convolutional neural networks,” in Advances in Neural Information Processing Systems 25 (NIPS 2012), pp. 1106-1114, Nevada, USA, 2012.
• Y. Zhou, H. Wang, F. Xu, and Y.-Q. Jin, “Polarimetric SAR image classification using deep convolutional neural networks,” IEEE Geosci. Remote Sens. Lett., vol.13, no.12, pp.1935-1939, Dec. 2016.
• Z. Zhang, H. Wang, F. Xu, and Y.-Q. Jin, “Complex-valued convolutional neural network and its application in polar imetric SAR image classification,” IEEE Trans. Geosci. Remote Sens., vol.55, no.12, pp.7177-7188, Dec. 2017.
• S.-W. Chen and C.-S. Tao, “PolSAR image classification using polarimetric-feature-driven deep convolutional neural network,” IEEE Geosci. Remote Sens. Lett., vol.15, no.4, pp.627-631, Apr. 2018.

タイトルに関連する用語 (3件)： 機械学習 ,  土地利用分類 ,  基礎的検討