文献

J-GLOBAL ID：201802216997828971   整理番号：18A0706897

偏光特徴駆動深畳込みニューラルネットワークを用いたPOLSAR画像分類【JST・京大機械翻訳】

PolSAR Image Classification Using Polarimetric-Feature-Driven Deep Convolutional Neural Network

著者 (2件)： Chen Si-Wei (State Key Laboratory of Complex Electromagnetic Environment Effects on Electronics and Information System, College of Electronic Science, National University of Defense Technology, Changsha, China) ,  Tao Chen-Song (State Key Laboratory of Complex Electromagnetic Environment Effects on Electronics and Information System, College of Electronic Science, National University of Defense Technology, Changsha, China)
資料名： IEEE Geoscience and Remote Sensing Letters  (IEEE Geoscience and Remote Sensing Letters)
巻： 15  号： 4  ページ： 627-631  発行年： 2018年 
JST資料番号： W1397A  ISSN： 1545-598X  CODEN： IGRSBY  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： 偏波合成開口レーダ(PolSAR)画像分類は重要な応用である。分類性能を強化するために,深い畳込みニューラルネットワーク(CNN)によって代表される高度な深い学習技術を利用した。1つの現在の挑戦は,限られた訓練サンプルによるPolSAR分類のために,深いCNN分類装置を適応させる方法であるが,良好な一般化性能を保つことである。本論文はこの問題に貢献することを試みた。コアアイデアは,深いCNN分類装置の訓練を支援し,最終的な分類性能を改善するために,ターゲット散乱機構解釈と偏波特徴マイニングのエキスパート知識を組み込むことである。偏光特性駆動深CNN分類方式を確立した。提案した深いCNNモデルを駆動するために,回転領域における古典的なロール不変偏光測定特徴と隠れた偏光測定特徴の両方を用いた。比較研究は提案の効率と優位性を検証した。ベンチマークAIRSARデータのために,提案方法は最先端の分類精度を達成した。一方,提案した偏光特性駆動CNNアプローチからの収束速度は,通常のCNN法より約2.3倍速い。多重時間UAVSARデータセットに対して,提案した方式は,列車使用時間データに対する通常のCNN法と同等に高い分類精度を達成し,一方,列車利用データに対しては,通常のCNN法より平均4.86%高い全体精度を得た。さらに,提案した戦略は,非常に限られた訓練サンプルでも非常に有望な分類精度を生み出すことができる。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： ベンチマーク ,  分類装置 ,  多重化 ,  偏光測定 ,  学習 ,  偏光性 ,  不変性 ,  *偏光 ,  偏波
準シソーラス用語： 収束速度 ,  分類精度 ,  *画像分類 ,  偏波合成開口レーダ ,  *畳込みニューラルネットワーク , 【Automatic Indexing@JST】

分類 (1件)： パターン認識  (JE07000S)

タイトルに関連する用語 (3件)： 偏光 ,  畳込みニューラルネットワーク ,  画像分類