文献

J-GLOBAL ID：202502282979665373   整理番号：25A0229526

UAV航空写真を用いた機械学習による干潟底質判別

Machine Learning-Based Classification of Tidal Flat Sediments from UAV Aerial Images

著者 (6件)： 伊豫岡宏樹 (九州産大 建築都市工) ,  石神和 (三井共同建設コンサルタント) ,  藤永拓矢 (大阪公立大 大学院工学研究科) ,  大中臨 (山口大 大学院創成科学研究科) ,  赤松良久 (山口大 大学院創成科学研究科) ,  乾隆帝 (福岡工大 社会環境)
資料名： 河川技術論文集(Web)  (Advances in River Engineering (Web))
巻： 30  ページ： 583-588(J-STAGE)  発行年： 2024年 
JST資料番号： F1844B  ISSN： 2436-6714  資料種別： 逐次刊行物 (A)
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： UAV航空写真から作成したオルソ画像と底質の分析データからGoogLeNetを転移学習した干潟の底質判別モデルを作成した.教師画像は,オルソ画像から底質サンプリング地点に対応する部分を指定サイズで抽出し,粒度分析結果に基づいてカテゴリ化を行なったものを使用した.教師画像の一辺を0.5m,1m,2m,4m,8mとしたモデルを作成し検証精度を比較したところ,一辺2mの画像を用いた場合の平均判別精度が95.6%と最も高くなった.一方で一辺8mのモデルの平均検証精度は81.6%と大幅に低下した.教師画像に複数のカテゴリに相当する底質が含まれることや人工物の映り込みなどの明らかに分類カテゴリと異なる画像を教師画像から除いたことによる教師データの減少により検証精度が低下するものと考えられた.また,作成された底質判別モデルに,教師画像と同サイズにオルソ画像を単純分割した判別画像を適用することで,対象範囲の底質分布図を作成することができた.今回明らかとなったような画像範囲や解像度で教師データを整理しておけば,サンプリングを伴わない底質分布図の作成も可能であると考えられた.(著者抄録)

シソーラス用語： *無人機 ,  *空中写真 ,  *機械学習 ,  *干潟 ,  *底質 ,  *認識 ,  画像 ,  モデル ,  粒度分析 ,  検索エンジン
準シソーラス用語： GoogLeNet ,  *UAV【航空機】 ,  オルソ画像 ,  *干潟底質判別 ,  *航空写真 ,  底質判別モデル ,  転移学習

分類 (1件)： 写真測量,空中写真  (RC02040D)

タイトルに関連する用語 (6件)： UAV ,  航空写真 ,  機械学習 ,  干潟 ,  底質 ,  判別