文献

J-GLOBAL ID：201802236301690565   整理番号：18A0587084

深い学習に基づく樹木検出のためのマルチソースデータにどのように対処するか【Powered by NICT】

How to deal with multi-source data for tree detection based on deep learning

著者 (5件)： Pibre Lionel (LIRMM laboratory University of Montpellier, Montpellier, France) ,  Chaumon Marc (LIRMM laboratory University of Montpellier, Montpellier, France) ,  Subsol Gerard (LIRMM laboratory University of Montpellier, Montpellier, France) ,  Lenco Dino (IRSTEA, France) ,  Derras Mustapha (Berger-Levrault, France)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： GlobalSIP  ページ： 1150-1154  発行年： 2017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： リモートセンシングの分野では,分類またはセグメンテーションを行うためにいくつかのセンサからのデータを使用する非常に一般的である。標準リモートセンシング解析の大部分はSVMとしてH OGまたはSIFTと分類器として画像記述に基づく機械学習法を用いた。近年ニューラルネットワークは物体の検出に関する重要なツールとして出現した。情報(光学顕微鏡,赤外,LiDAR)の不均一性のために,マルチソースデータの組み合わせが,リモートセンシング分野における未解決の問題である。本論文では,マルチソース(光学顕微鏡,赤外,DSM)空中画像における都市樹木の位置決めタスクのための複数情報源からのデータの管理に焦点を当て,CNNの入力データに与える前処理の異なる影響を評価した。Copyright 2018 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】

シソーラス用語： 情報源 ,  機械学習 ,  *リモートセンシング ,  センサ ,  都市 ,  不均一性 ,  前処理 ,  位置決め ,  画像 ,  赤外線 ,  セグメンテーション ,  ニューラルネットワーク ,  光学顕微鏡
準シソーラス用語： 入力データ ,  空中画像 , 【Automatic Indexing@JST】

分類 (4件)： 人工知能  (JE08000Z) ,  パターン認識  (JE07000S) ,  図形・画像処理一般  (JE04010I) ,  ニューロコンピュータ  (JC06010Q)

タイトルに関連する用語 (3件)： 学習 ,  樹木 ,  対処