文献

J-GLOBAL ID：201702246594994550   整理番号：17A1259673

完全PolSAR分類のための完全畳込みネットワークを用いたH Aαの統合【Powered by NICT】

Integrating H-A-α with fully convolutional networks for fully PolSAR classification

著者 (3件)： Wang Yuanyuan (Key Laboratory of Digital Earth Science, Institute of Remote Sensing and Digital Earth, University of Chinese Academy of Sciences, Beijing, China) ,  Wang Chao (Key Laboratory of Digital Earth Science, Institute of Remote Sensing and Digital Earth, University of Chinese Academy of Sciences, Beijing, China) ,  Zhang Hong (Key Laboratory of Digital Earth Science, Institute of Remote Sensing and Digital Earth, University of Chinese Academy of Sciences, Beijing, China)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： RSIP  ページ： 1-4  発行年： 2017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： コンピュータビジョンにおける意味的セグメンテーションと同様に,リモートセンシングにおける分類は画像にクラスがどれに属するかを示すために各画素にラベルを割り当てることを目的としている。,意味的セグメンテーション法の一つである完全畳込みネットワーク(FCN)を本論文で完全にPolSAR画像でこの問題に取り組むことを提案した。PolSAR画像における偏波情報を利用するために,HAα偏光分解はFCNと統合した。1mの空間分解能を持つCバンドにおける,中国のSAR衛星,Gaofen3により獲得されたPolSAR画像を利用した。FCN,すなわち,FCN32S,FCN16S,FCN8S,とSVM(サポートベクトルマシン)の三変動を訓練し,検証した。実験結果は,三FCNアーキテクチャの両者にとって,ユーザおよび製品精度は全画像における水画素,植生に対する方が高い16%,建築研究のための24%高い地域のためのサポートベクトルマシン(SVM)よりも2%以上高いことを明らかにした。に加えて,FCNの三アーキテクチャはSVMよりも75倍速かった。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： 中華人民共和国 ,  セグメンテーション ,  偏波 ,  *畳込み ,  サポートベクトルマシン ,  リモートセンシング ,  光分解 ,  *ネットワーク ,  計算機アーキテクチャ ,  画像 ,  空間分解能 ,  コンピュータビジョン ,  画素

分類 (3件)： 図形・画像処理一般  (JE04010I) ,  写真測量,空中写真  (RC02040D) ,  パターン認識  (JE07000S)

タイトルに関連する用語 (4件)： 分類 ,  畳込み ,  Aα ,  統合