文献

J-GLOBAL ID：201802216993076237   整理番号：18A1902027

多重スペクトル衛星画像上の高密度雲分類【JST・京大機械翻訳】

Dense Cloud Classification on Multispectral Satellite Imagery

著者 (8件)： Wohlfarth Kay (TU Dortmund University, Image Analysis Group, Dortmund, 44227, Germany) ,  Schroer Christian (TU Dortmund University, Image Analysis Group, Dortmund, 44227, Germany) ,  Klab Maximilian (TU Dortmund University, Image Analysis Group, Dortmund, 44227, Germany) ,  Hakenes Simon (TU Dortmund University, Image Analysis Group, Dortmund, 44227, Germany) ,  Venhaus Maike (TU Dortmund University, Image Analysis Group, Dortmund, 44227, Germany) ,  Kauffmann Sonke (TU Dortmund University, Image Analysis Group, Dortmund, 44227, Germany) ,  Wilhelm Thorsten (TU Dortmund University, Image Analysis Group, Dortmund, 44227, Germany) ,  Wohler Christian (TU Dortmund University, Image Analysis Group, Dortmund, 44227, Germany)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2018  号： PRRS  ページ： 1-6  発行年： 2018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： 本論文において,著者らは,2つの最先端の機械学習技術,畳込みニューラルネットワーク(CNN)とサポートベクトルマシン(SVM)による移動学習の能力を調査して,10のクラウド属を区別した。衛星Landsat8により取得した画像を用いてこれらの方法を評価した。雲属の分類は,大気や気象過程の監視のようなリモートセンシング応用に対して高い一般的な関連性がある。移動学習はニューラルネットワークを利用するので利点があり,これは良く機能することが知られており,比較的小さな訓練データサイズを持つ特定の問題に適応できる。これらの画像データは大量に自由に利用できるので,検討した機械学習手法を評価するためにLandsat8画像を利用する。ピクセル当たり約300mの分解能への訓練に利用されるLandsat8画像のダウンスケーリングは,CNNとSVMサイズを合理的に低く保つことを可能にし,訓練データセットを適度なサイズに制限することができる。Copyright 2018 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 分解能 ,  *画像 ,  *衛星利用画像 ,  機械学習 ,  サポートベクトルマシン ,  気象 ,  ニューラルネットワーク ,  リモートセンシング ,  学習 ,  画素
準シソーラス用語： ダウンスケーリング ,  画像データ ,  訓練データ ,  畳込みニューラルネットワーク ,  *多重スペクトル , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (5件)： 多重スペクトル ,  衛星画像 ,  高密度 ,  雲 ,  分類