文献

J-GLOBAL ID：201802225383464328   整理番号：18A2039449

高解像度画像からの人間の定住を抽出するための機械学習技術の比較【JST・京大機械翻訳】

A Comparison of Machine Learning Techniques to Extract Human Settlements from High Resolution Imagery

著者 (5件)： Weaver Jeanette (Computational Sciences and Engineering Division, Oak Ridge National Laboratory) ,  Moore Brian (Computational Sciences and Engineering Division, Oak Ridge National Laboratory) ,  Reith Andrew (Computational Sciences and Engineering Division, Oak Ridge National Laboratory) ,  McKee Jacob (Computational Sciences and Engineering Division, Oak Ridge National Laboratory) ,  Lunga Dalton (Computational Sciences and Engineering Division, Oak Ridge National Laboratory)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2018  号： IGARSS  ページ： 6412-6415  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： 2つの機械学習技術を開発して,アフガニスタンにおける3つの省の非常に高い分解能(VHR)衛星画像から人間の定着を抽出した。すなわち,Logar,Panjsher,およびWardakである。次に,結果を,LandScan Settlement層(LandScan SL)として知られている解析的に検証された参照データ情報と比較した。[1]本研究では,現在の定着マッピングフレームワークと畳込みニューラルネットワーク(CNN)アプローチを利用した深い学習者に特異的に統合されたサポートベクトルマシン(SVM)分類器からの沈降マッピング結果を比較することを試みた。SVMとCNNからの結果を参照データ情報に比較することにより,CNNは全体的画素セルに関して全体的により正確な結果をもたらし,SVMは参照データ情報に対する導出統計に基づいて,省略においてより正確に機能することを実証した。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： 衛星利用画像 ,  沈降 ,  *定着 ,  分解能 ,  サポートベクトルマシン ,  画素 ,  アフガニスタン・イスラム共和国
準シソーラス用語： 学習者 ,  畳込みニューラルネットワーク ,  参照データ ,  *機械学習技術 ,  高精細画像 , 【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 (4件)： 高解像度画像 ,  人間 ,  定住 ,  機械学習技術