文献

J-GLOBAL ID：201602239915790073   整理番号：16A1383401

深層畳込みニューラルネットワークを用いた偏波SAR画像の分類【Powered by NICT】

Polarimetric SAR Image Classification Using Deep Convolutional Neural Networks

著者 (4件)： Zhou Yu (Key Laboratory for Information Science of Electromagnetic Waves (MoE), Fudan University, shanghai, China) ,  Wang Haipeng (Key Laboratory for Information Science of Electromagnetic Waves (MoE), Fudan University, shanghai, China) ,  Xu Feng (Key Laboratory for Information Science of Electromagnetic Waves (MoE), Fudan University, shanghai, China) ,  Jin Ya-Qiu (Key Laboratory for Information Science of Electromagnetic Waves (MoE), Fudan University, shanghai, China)
資料名： IEEE Geoscience and Remote Sensing Letters  (IEEE Geoscience and Remote Sensing Letters)
巻： 13  号： 12  ページ： 1935-1939  発行年： 2016年 
JST資料番号： W1397A  ISSN： 1545-598X  CODEN： IGRSBY  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 深い畳込みニューラルネットワークは,コンピュータビジョン,および他の多くの分野で大きな成功を収めている。は自動的に並進不変空間特徴を抽出し,ニューラルネットワークベースの分類器と統合した。偏波合成開口レーダ(POLSAR)画像の教師つき分類における深い畳込みニューラルネットワークの適合性と可能性を検討した。コヒーレンスまたは共分散行列の形式でマルチルック処理POLSARデータは最初に正規化した6次元実特徴ベクトルに変換される。六チャネル実画像は,POLSAR分類のために調整された四層畳込みニューラルネットワークに供給される。二カスケード畳込み層により,設計された深層ニューラルネットワークデータからの階層的偏光空間特徴を自動学習することができる。サンフランシスコ,CAおよびFlevolandのAIRSARデータを用いて提示した二実験オランダ。サンフランシスコ症例の分類結果は,従来の偏光特徴空間における植生域と混合した,傾斜市街地は,空間的特徴を考慮に入れた後に識別できることを示した。Flevoland試験サイトのための利用可能なグランドトルース情報に関して定量的解析は,提案した方法は,考慮した15クラスを分類する場合に,92.46%の精度を達成することを示した。このような結果は,技術の現状と同程度であった。Copyright 2016 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】

シソーラス用語： 市街地 ,  *畳込み ,  コンピュータビジョン ,  *ニューラルネットワーク ,  正規化 ,  並進不変性 ,  定量的分析 ,  偏光 ,  適応性 ,  コヒーレンス
準シソーラス用語： 特徴空間 ,  サンフランシスコ ,  特徴ベクトル ,  共分散行列 ,  *SAR画像 , 【Automatic Indexing@JST】

分類 (1件)： パターン認識  (JE07000S)

タイトルに関連する用語 (4件)： 深層畳込みニューラルネットワーク ,  偏波 ,  SAR画像 ,  分類