文献

J-GLOBAL ID：201702262391780487   整理番号：17A1833476

複素畳込みニューラルネットワークとその応用偏波SAR画像分類【Powered by NICT】

Complex-Valued Convolutional Neural Network and Its Application in Polarimetric SAR Image Classification

著者 (4件)： Zhang Zhimian (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 Transactions on Geoscience and Remote Sensing  (IEEE Transactions on Geoscience and Remote Sensing)
巻： 55  号： 12  ページ： 7177-7188  発行年： 2017年 
JST資料番号： H0016B  ISSN： 0196-2892  CODEN： IGRSD2  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： コンピュータビジョンにおける深い畳込みニューラルネットワーク(CNN)の大きな成功に続いて,本論文では,合成開口レーダ(SAR)画像解釈のための特異的に複素値CNN(CV CNN)を提案した。複雑なSAR画像の振幅と位相情報を利用した。入出力層,コンボリューション層,活性化関数,および貯留層を含むCNNの全ての要素は,複雑な領域に拡張した。さらに,確率的勾配降下法に基づく複素バックプロパゲーションアルゴリズムはCV CNN訓練に対して導出した。提案したCV CNNは,各ピクセルを分類する教師つき学習による既知の地形タイプに典型的な偏波SAR画像分類タスクで試験した。FlevolandとOberpfaffenhofenのベンチマークデータ集合を用いた実験により,分類誤差は,さらに同じ自由度を持つ従来の実数値CNNの代わりにCV CNNを用いたならば,低減できることを示した。CV CNNの性能は総合分類精度の点で既存の最新法のそれに匹敵する。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： 画像認識 ,  画素 ,  ベンチマーク ,  *畳込み ,  教師つき学習 ,  *ニューラルネットワーク ,  自由度 ,  コンピュータビジョン ,  合成開口レーダ ,  最急降下法 ,  実数 ,  *偏波
準シソーラス用語： 分類精度 ,  活性化関数 ,  *SAR画像 , 【Automatic Indexing@JST】

分類 (3件)： リモートセンシング一般  (AD04000L) ,  レーダ  (ND13010H) ,  図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (5件)： 畳込みニューラルネットワーク ,  応用 ,  偏波 ,  SAR画像 ,  分類