文献

J-GLOBAL ID：201702211218679764   整理番号：17A1489382

ハイパースペクトル画像における乾燥ストレスの早期検出のための教師なしドメイン適応【Powered by NICT】

Unsupervised domain adaptation for early detection of drought stress in hyperspectral images

著者 (7件)： Schmitter P. (Institute of Geodesy and Geoinformation, Department of Geoinformation, University of Bonn, Meckenheimer Allee 172, 53115 Bonn, Germany) ,  Steinruecken J. (Institute of Geodesy and Geoinformation, Department of Geoinformation, University of Bonn, Meckenheimer Allee 172, 53115 Bonn, Germany) ,  Romer C. (Institute of Geodesy and Geoinformation, Department of Geoinformation, University of Bonn, Meckenheimer Allee 172, 53115 Bonn, Germany) ,  Ballvora A. (Institute of Crop Science and Resource Conservation, Plant Breeding and Biotechnology, University of Bonn, Katzenburgweg 5, 53115 Bonn, Germany) ,  Leon J. (Institute of Crop Science and Resource Conservation, Plant Breeding and Biotechnology, University of Bonn, Katzenburgweg 5, 53115 Bonn, Germany) ,  Rascher U. (Institute of Bio- and Geosciences, IBG-2: Plant Sciences, Forschungszentrum Juelich, Leo-Brandt-Str., 52425 Juelich, Germany) ,  Pluemer L. (Institute of Geodesy and Geoinformation, Department of Geoinformation, University of Bonn, Meckenheimer Allee 172, 53115 Bonn, Germany)
資料名： ISPRS Journal of Photogrammetry and Remote Sensing (International Society for Photogrammetry and Remote Sensing)  (ISPRS Journal of Photogrammetry and Remote Sensing (International Society for Photogrammetry and Remote Sensing))
巻： 131  ページ： 65-76  発行年： 2017年 
JST資料番号： H0048A  ISSN： 0924-2716  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 適切に翻訳されれば植物の生理学的プロセスを明らかにするために用いることができるハイパースペクトル画像。サポートベクトルマシン(SVM)およびランダムフォレストのような機械学習法は,バイオマスの開発を推定し,植物病害および乾燥ストレスを検出し,予測するために適用した。機械学習の一つの基本的な要求は,訓練と試験を同じ領域と同じ分布で行われることを示した。異なる遺伝子型,環境条件,照明とセンサは,最も実用的な状況におけるこの要求に違反する。,アプローチ,関連標的領域に既存の模型の枠内での事前知識を移すことによって生理学的過程の検出を可能にし,ラベル情報が利用できないを示した。目標特徴の2段変換,既存モデルの直接適用を可能にすることを提案した。形質転換は植物の分類と生理的過程に関する付加的事前知識を含む目的関数によって評価した。ハイパースペクトル画像の三セット,異なるセンサで観測された異なる環境における異なる植物種と得られたへのアプローチを適用した。,セットの一つに誘導した分類モデルは他のデータセットの変換された特徴に満たす分類結果を提供することである。さらに,全ての場合において干ばつストレスの早期非侵襲的検出が可能であった。Copyright 2017 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【Powered by NICT】

シソーラス用語： 生理学 ,  バイオマス ,  干ばつ ,  センサ ,  サポートベクトルマシン ,  植物病害 ,  モデル ,  遺伝子型 ,  *機械学習
準シソーラス用語： *ハイパースペクトル ,  事前知識 ,  環境条件 ,  ランダムフォレスト ,  *乾燥ストレス ,  *ハイパースペクトル画像 , 【Automatic Indexing@JST】

著者キーワード (5件)： 教師なしドメイン適応 ,  機械学習 ,  サポートベクトルマシン ,  ハイパースペクトル ,  農業

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (5件)： ハイパースペクトル画像 ,  乾燥ストレス ,  早期 ,  教師 ,  ドメイン適応