文献

J-GLOBAL ID：201802228890363448   整理番号：18A2039734

GF-2画像を用いた自己組織化マップアルゴリズムに基づく自動森林抽出法【JST・京大機械翻訳】

Automatic Forest Extraction Method Based on Self-Organizing Map Algorithm Using Gf-2 Images

著者 (2件)： Zhan Qian (School of Earth Sciences and Resources, China University of Geosciences (Beijing), Beijing, 100083, China) ,  Tian Shufang (School of Earth Sciences and Resources, China University of Geosciences (Beijing), Beijing, 100083, China)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2018  号： IGARSS  ページ： 7664-7667  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： オブジェクトを解釈し,情報を抽出するために適用されるより多くのより高い空間分解能画像により,大量画像データの処理と解析のための解法として機械学習法が出現した。しかし,解釈と抽出の効率と精度を改善する方法は問題になる。中国地質調査の国家森林調査プロジェクトのために,訓練サンプルの入力空間の低次元,離散化表現を生成するために教師なし学習を用いた人工ニューラルネットワーク(ANN)法である自己組織化マップ(SOM)に基づくGF-2衛星の高分解能画像から森林面積を抽出する自動抽出法を提案した。また,提案した方法を3つの異なる領域に適用し,その精度を検証した。人間-コンピュータ相互作用解釈のそれらと比較して,提案方法の結果は,森林情報を抽出するために高い分類精度を持った。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： 森林調査 ,  教師なし学習 ,  *自己組織化特徴マップ ,  ニューラルネットワーク ,  相互作用 ,  空間分解能 ,  機械学習 ,  コンピュータ ,  *画像 ,  *アルゴリズム
準シソーラス用語： 分類精度 ,  自動抽出 ,  離散化 ,  低次元 ,  画像データ , 【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)： 自己組織化マップ ,  アルゴリズム ,  森林 ,  抽出法