文献

J-GLOBAL ID：201802222485343634   整理番号：18A1209101

シミュレーション訓練畳込みニューラルネットワークを用いたSAR画像からの粗面パラメータの反転【JST・京大機械翻訳】

Inversion of Rough Surface Parameters From SAR Images Using Simulation-Trained Convolutional Neural Networks

著者 (5件)： Song Tao (School of Information Science and Technology, East China Normal University, Shanghai, China) ,  Kuang Lei (School of Information Science and Technology, East China Normal University, Shanghai, China) ,  Han Lingyan (School of Information Science and Technology, East China Normal University, Shanghai, China) ,  Wang Yuheng (Guangdong Provincial Engineering Research Centre on Solid-State Lighting and its Informationisation, South China University of Technology, Guangzhou, China) ,  Liu Qing Huo (Department of Electrical and Computer Engineering, Duke University, Durham, NC, USA)
資料名： IEEE Geoscience and Remote Sensing Letters  (IEEE Geoscience and Remote Sensing Letters)
巻： 15  号： 7  ページ： 1130-1134  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： 本論文は,深い畳込みニューラルネットワーク(CNNs)を用いることによって,マイクロ波画像から粗い表面パラメータ(二乗平均二乗高さと相関長さ)の逆転を調査した。深いCNNに対する訓練データを,計算電磁気法を用いて数値的にシミュレートした。CNNが画像特徴を抽出するのに強力であるので,粗い表面からの散乱場は最初に内挿高速Fourier変換を通してマイクロ波画像に変換され,次にCNNに供給される。オーバーフィッティングを低減するために,正則化技術とドロップアウト層を用いた。提案したCNNは,特徴抽出のための5対の畳込みおよび最大化層と2つの追加畳込み層,およびパラメータ回帰のための2つの完全接続層から構成されている。実験結果は,電磁散乱場からの粗面のパラメータ反転に対する深いニューラルネットワークを用いた実現可能性を実証した。これは,マイクロ波センシングデータからの粗い表面パラメータ反転に対するCNNの潜在的応用を示唆する。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： 高速Fourier変換 ,  *ニューラルネットワーク ,  *畳込み ,  正則化 ,  *粗面 ,  電磁気 ,  電磁波散乱 ,  相関長 ,  画像特性 ,  マイクロ波 ,  内挿法 ,  特徴抽出
準シソーラス用語： 訓練データ ,  マイクロ波画像 ,  *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 (6件)： シミュレーション訓練 ,  畳込みニューラルネットワーク ,  SAR画像 ,  粗面 ,  パラメータ ,  反転