文献

J-GLOBAL ID：201802253940982512   整理番号：18A2232648

衛星ベース赤外線画像を用いた熱帯低気圧強度推定のための畳込みニューラルネットワークアプローチ【JST・京大機械翻訳】

A Convolutional Neural Network Approach for Estimating Tropical Cyclone Intensity Using Satellite-based Infrared Images

著者 (3件)： Combinido Jay Samuel (Department of Science and Technology, Advanced Science and Technology Institute, Philippines) ,  Mendoza John Robert (Department of Science and Technology, Advanced Science and Technology Institute, Philippines) ,  Aborot Jeffrey (Department of Science and Technology, Advanced Science and Technology Institute, Philippines)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2018  号： ICPR  ページ： 1474-1480  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： 衛星ベースの熱帯低気圧(TC)強度推定のための既存の技術は,明確な特徴抽出ステップを含み,関連するTC特徴の集合におけるTC強度をモデル化するか,例えば,眼形成や雲組織化のようなパターンをモデル化する。しかし,そのような特徴集合をcraftingすることはしばしば時間がかかり,エキスパート知識を必要とする。本論文では,熱帯低気圧の強度を推定するために,明示的特徴抽出を排除する畳込みニューラルネットワーク(CNN)アプローチを提案した。ImageNetで訓練されたVisual Geometryグループ19-1層CNN(VGG19)モデルを用いて,TC強度を推定するために,西北太平洋地域(1996-2016)の様々な静止衛星から得られたTCのグレースケールIR画像を用いて移動学習実験を行った。TC画像で再訓練されたモデルは,13.23ノットの二乗平均誤差(RMSE)を達成し,既存の特徴ベース手法(12から20ノットの範囲のRMSE)に匹敵する性能を達成した。さらに,モデルは,TC強度の重要な指標として,特徴ベースのアプローチで以前に同定された一般的なTC特徴を学習することができた。Copyright 2019 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： グレースケール ,  学習 ,  *画像 ,  静止衛星 ,  *赤外線画像 ,  *熱帯低気圧 ,  特徴抽出 ,  太平洋 ,  モデリング
準シソーラス用語： *畳込みニューラルネットワーク , 【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 (5件)： 衛星 ,  赤外線画像 ,  熱帯低気圧 ,  強度推定 ,  畳込みニューラルネットワーク