文献

J-GLOBAL ID：201702275208003836   整理番号：17A1732905

コーヒー作物認識のための多重スケールでの学習深い特徴【Powered by NICT】

Learning Deep Features on Multiple Scales for Coffee Crop Recognition

著者 (4件)： Baeta Rafael ,  Nogueira Keiller ,  Menotti David ,  dos Santos Jefersson A.
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： SIBGRAPI  ページ： 262-268  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： リモートセンシング画像と教師つき分類を用いたコーヒー作物の地理的マッピングは挑戦的な研究課題となっている。マルチスペクトル情報の性質に起因する固有の問題に加えて,コーヒー作物である非季節性と通常山地における植栽,これは分類器訓練中のパターンの大きな多様性をコードすると学習が必要である。本論文では,リモートセンシング応用のためのパターン認識に二最近の動向を組み合わせることにより自動マッピングコーヒー作物のための新しいアプローチを提案した:深学習と融合/選択多重スケールからの特徴。提案されたアプローチは,標識ピクセルの周りの異なった文脈窓を入力として受信するために設計された畳込みニューラルネットワークの訓練と組み合わせて構成されていることを画素戦略である。最終マップは,非標識のピクセルセットのネットワークの出力を組み合わせることにより作製した。実験結果は,多重スケールは単一尺度を用いてより良好なコーヒー作物地図を生成することを示した。実験は,提案した手法がベースラインと比較して有効性を検証する。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： *コーヒー ,  *学習 ,  畳込み ,  山岳地 ,  画素 ,  ニューラルネットワーク ,  *農作物 ,  リモートセンシング ,  地理学 ,  ネットワーク ,  パターン認識
準シソーラス用語： 多重スペクトル ,  教師付き分類 ,  リモートセンシング画像 ,  *マルチスケール , 【Automatic Indexing@JST】

分類 (2件)： パターン認識  (JE07000S) ,  人工知能  (JE08000Z)

タイトルに関連する用語 (4件)： コーヒー ,  作物 ,  多重スケール ,  学習