文献

J-GLOBAL ID：201702259017787914   整理番号：17A0969660

教師なし変化検出におけるクラス不均衡都市リモートセンシングからの診断解析【Powered by NICT】

Class imbalance in unsupervised change detection - A diagnostic analysis from urban remote sensing

著者 (6件)： Leichtle Tobias (Company for Remote Sensing and Environmental Research (SLU), Kohlsteiner Strasse 5, 81243 Muenchen, Germany) ,  Leichtle Tobias (German Aerospace Center(DLR), German Remote Sensing Data Center (DFD), Muenchner Strasse 20, 82234 Wessling, Germany) ,  Leichtle Tobias (Humboldt-Universitaet zu Berlin, Geography Department, Rudower Chaussee 16, 12489 Berlin, Germany) ,  Geiss Christian (German Aerospace Center(DLR), German Remote Sensing Data Center (DFD), Muenchner Strasse 20, 82234 Wessling, Germany) ,  Lakes Tobia (Humboldt-Universitaet zu Berlin, Geography Department, Rudower Chaussee 16, 12489 Berlin, Germany) ,  Taubenbock Hannes (German Aerospace Center(DLR), German Remote Sensing Data Center (DFD), Muenchner Strasse 20, 82234 Wessling, Germany)
資料名： International Journal of Applied Earth Observation and Geoinformation  (International Journal of Applied Earth Observation and Geoinformation)
巻： 60  ページ： 83-98  発行年： 2017年 
JST資料番号： W3181A  ISSN： 1569-8432  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： 地球表面の変化の自動モニタリングは固有の能力と同時にリモートセンシングにおける持続性方法論的挑戦課題であり,特に非常に高い空間分解能(VHR)と複雑な都市環境と画像に関してである。自動化の高レベルを可能にするために,変化検出問題を適切にコードされる事前知識の収集に関連した作業を軽減するために教師なしの方法で解いた。これに関連して,本論文では,都市域上のVHR画像に基づく教師なし二元変化検知応用におけるクラス分布およびクラス不均衡の性質と効果を系統的に調べた。この目的のために,クラス不均衡の可能な度の広い範囲の感度解析のための診断フレームワークを提示し,画像,発生とクラスの分布の含有量は,一般的に事前に未知であるが教師なしアプローチに関して特に重要である。さらに,このフレームワークは,二クラス分類問題におけるモデル移転可能性を評価する一般的な手法として役立つことができる。適用した変化検出手法は,k-平均,遺伝的k平均と自己組織化マップ(SOM)クラスタリングを用いたVHR画像とその後の教師なし二クラスクラスタリングから計算したオブジェクトベース差特徴に基づいている。建築環境の種々の構造特性を持つ二試験部位からの結果は,最良の結果は,バランスのとれたまたは平衡に近い状況で達成されたが,分類性能は一般的に不均衡なクラス分布設定の悪いことを示した。不均衡な環境におけるモデル性能を評価するのに適した精度対策については,本研究では,κ統計は,クラス分布に有意な応答を示したtrue skill statisticは不均衡クラスに鈍感広くしたことを明らかにした。一般に,遺伝的k平均クラスタリングアルゴリズムは,クラス不均衡に関して最もロバストな結果を達成し,一方,SOMクラスタ化はクラスの平衡分布に対する異なる最適化を示した。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： 自動化 ,  ロバスト性 ,  空間分解能 ,  地表面 ,  最適化 ,  自己組織化特徴マップ ,  都市環境 ,  *都市 ,  都市域 ,  クラスタ化 ,  画像 ,  *リモートセンシング ,  感度解析
準シソーラス用語： *不均衡 ,  *変化検出 , 【Automatic Indexing@JST】

著者キーワード (6件)： 変化検出 ,  オブジェクトベース画像解析(OBIA) ,  超高解像度(VHR)リモートセンシング ,  クラス不均衡 ,  クラスタリング ,  都市環境

分類 (2件)： 人工知能  (JE08000Z) ,  図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (7件)： 教師 ,  変化検出 ,  クラス不均衡 ,  都市 ,  リモートセンシング ,  診断 ,  解析