文献

J-GLOBAL ID：201802239300612380   整理番号：18A0029585

合成開口レーダ画像における深い畳込みニューラルネットワークを用いた沈下特徴識別【Powered by NICT】

Subsidence feature discrimination using deep convolutional neural networks in synthetic aperture radar imagery

著者 (5件)： Schwegmann C. P. (Department of Electrical, Electronic and Computer Engineering, University of Pretoria, South Africa) ,  Kleynhans W. (Department of Electrical, Electronic and Computer Engineering, University of Pretoria, South Africa) ,  Engelbrecht J. (Satellite Synthetic Aperture Radar Group, Meraka Institute, CSIR, Pretoria, South Africa) ,  Mdakane L. W. (Department of Electrical, Electronic and Computer Engineering, University of Pretoria, South Africa) ,  Meyer R. G. V. (Department of Electrical, Electronic and Computer Engineering, University of Pretoria, South Africa)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： IGARSS  ページ： 4626-4629  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： 合成開口レーダ画像における表面変形特性の効果的な検出と識別データの最も重要な応用の一つである。表面変形を受ける領域は表面変形識別の自動で信頼性のある手段を必要とする健康と安全性リスクをもたらす可能性がある。沈下特徴と偽陽性の間の類似性のために,意味のある結果を得るために高度識別法が必要である。畳込みニューラルネットワークは,入力をクラスに分類するための空間的関係を利用し,画像の基本的な特性により他の画像処理タスクにおける効果的な弁別器であることを示した。沈下特徴を同定するための干渉合成開口レーダ画像を処理するために調整された畳込みニューラルネットワークを提案した。初期の結果は,ネットワークとその訓練されたカーネル重みは注意深いネットワーク選択に起因する小さなデータセットにおける偽陽性を効率的に同定できることを示した。今後の研究は,誤警報を低減するための初期検出を改善し,ネットワークへの多チャネル合成開口レーダデータを用いて直接含んでいる。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： *ネットワーク ,  *畳込み ,  類似性 ,  *画像 ,  弁別器 ,  *ニューラルネットワーク ,  画像処理 ,  安全性 ,  *合成開口レーダ
準シソーラス用語： マルチチャネル ,  誤警報 ,  InSAR ,  誤検出 ,  表面変形 ,  *SAR画像 , 【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 (4件)： 合成開口レーダ画像 ,  畳込みニューラルネットワーク ,  沈下 ,  識別