文献

J-GLOBAL ID：201802254604053544   整理番号：18A2038522

オーバーヘッド画像からの風力タービン視覚分類【JST・京大機械翻訳】

Wind Turbine Visual Classification from Overhead Images

著者 (3件)： Lee L. (MIT Lincoln Laboratory, 244Wood Street, Lexington, MA, 02421-6426) ,  Goodwin V. (MIT Lincoln Laboratory, 244Wood Street, Lexington, MA, 02421-6426) ,  Biddle J. (MIT Lincoln Laboratory, 244Wood Street, Lexington, MA, 02421-6426)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2018  号： IGARSS  ページ： 2463-2466  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： 風力タービンは,防御,航空安全,および気象予測におけるミッションのために使用されるレーダシステムに影響を及ぼすことができる。風力タービンからの距離とDoppler反射の両方が,クラッタの検出感度を低下させ,潜在的なターゲットを不明瞭にすることができる。風力タービン位置と状態の正確で最新のデータベースは,レーダ機能に及ぼすそれらの影響を評価するために必要である。オーバーヘッドと衛星画像は風力タービンの状態を評価するための重要なデータ源である。オーバーヘッド画像を通して風力タービンの状態を分類することにおける人間の作業負荷を著しく減らすために,著者らは風力タービン状態分類問題を自動化するために畳込みニューラルネットワーク(CNN)を用いて分類装置を訓練した。著者らは,既存のAlexNetとGoogLeNet CNNフレームワークを活用し,Googleマップからのオーバーヘッド画像に対して,タービン構造が登録されている場所に存在するかどうかを決定するための分類器を訓練した。自動分類器は97%の平均精度を達成した。著者らの分類装置は,人間オペレータによる状態検証のための風力タービンを選択するための高効率プレフィルタとして機能することができる。~1.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： クラッタ ,  レーダ ,  衛星利用画像 ,  *タービン ,  *視覚 ,  オペレータ ,  天気予報 ,  *画像 ,  データベース ,  自動分類 ,  自動化 ,  分類装置 ,  *風車
準シソーラス用語： 畳込みニューラルネットワーク ,  *オーバヘッド , 【Automatic Indexing@JST】

分類 (2件)： 図形・画像処理一般  (JE04010I) ,  パターン認識  (JE07000S)

タイトルに関連する用語 (4件)： オーバーヘッド ,  風力タービン ,  視覚 ,  分類