文献

J-GLOBAL ID：201702219237464658   整理番号：17A0239049

衛星画像の教師なし学習のための特徴抽出器の決定【Powered by NICT】

Determining feature extractors for unsupervised learning on satellite images

著者 (5件)： Hedayatnia Behnam (Department of Electrical and Computer Engineering, UC San Diego, California, USA) ,  Yazdani Mehrdad (California Institute for Telecommunications and Information Technology, UC San Diego, California, USA) ,  Nguyen Mai (San Diego Supercomputer Center, UC San Diego, California, USA) ,  Block Jessica (California Institute for Telecommunications and Information Technology, UC San Diego, California, USA) ,  Altintas Ilkay (San Diego Supercomputer Center, UC San Diego, California, USA)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2016  号： Big Data  ページ： 2655-2663  発行年： 2016年 
JST資料番号： W2441A  資料種別： 会議録 (C)
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： 衛星画像の進歩全球及び地域規模における自然現象・社会現象を理解するために前例のない機会を提供する。衛星リモートセンシングの分野は,ヒトと環境の持続可能性が必須である質問を評価したが,地域スケールでの非常に高い空間分解能でこれらの技術をスケーリング課題として残っている。衛星画像は,画像の内容を同定におけるデータボトルネックを生成する大きな空間的,スペクトルおよび時間分解能でより入手できる。衛星画像はラベル付けされていないため,教師なし手法はコヒーレントグループあるいはクラスターに画像を組織化することを可能にした。しかし,全ての他の機械学習法のような,教師なし手法の性能を特徴に依存する。事前訓練されたネットワークからの特徴を用いた最近の研究は,新しいデータセットにおける学習のための有望性を示した。は,予め訓練されたネットワークからの特徴は時間的・空間的に衛星画像のような動的データ源における学習に用いることができることを示唆した。が,は層とネットワークアーキテクチャは新しいタスクを学習するための使用すべきである特徴は明らかではない。本論文では,衛星画像のための事前訓練された深層畳込みニューラルネットワークからの特徴の移転可能性を評価する方法を提案した。は異なった特徴を調べ,評価し,各種深在性ネットワークアーキテクチャから抽出した組み合わせを特徴とし,2,000以上のネットワーク層組合せを評価した。添加では,工学的特徴の移転可能性を試験し,異なる標識データセットにラベル付けされていないデータセットからの特徴。特徴工学と学習はラベル付けされていないDraper衛星年代データセット上で行った,近傍の最高水準の分類結果を達成するために標識したUC Merced土地データセット上で試験した。これらの結果は,いかなるまたは最小限の訓練がなくても,これらのネットワークは他のデータセットによく一般化できることを示唆した。この方法はクラスタリングラベル付けされていない画像と他の教師なし機械学習タスクのタスクに有用である。Copyright 2017 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： ネットワークアーキテクチャ ,  空間分解能 ,  *教師なし学習 ,  *画像 ,  *特徴抽出 ,  機械学習 ,  ヒト ,  畳込み ,  クラスタ化 ,  ネットワーク ,  *衛星利用画像 ,  時間分解能
準シソーラス用語： 持続可能性 ,  衛星リモートセンシング ,  地域規模 , 【Automatic Indexing@JST】

分類 (2件)： 写真測量,空中写真  (RC02040D) ,  人工知能  (JE08000Z)

タイトルに関連する用語 (3件)： 衛星画像 ,  教師なし学習 ,  特徴抽出