文献

J-GLOBAL ID：201902233698630443   整理番号：19A2092875

パッチベースの畳み込みニューラルネットワークによる土地被覆分類精度の改善:データ増強とパージサンプリング【JST・京大機械翻訳】

Improving land-cover classification accuracy with a patch-based convolutional neural network: data augmentation and purposive sampling

著者 (2件)： Song Hunsoo (Civil and Environmental Engineering, Seoul National University, Seoul, South Korea) ,  Kim Yongil (Civil and Environmental Engineering, Seoul National University, Seoul, South Korea)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2019  号： JURSE  ページ： 1-4  発行年： 2019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： 土地被覆マッピングにおける分類のユニットは,一般的に2つの主要なカテゴリに分割される:ピクセルとオブジェクト。それが中解像度画像になると,オブジェクトベースのアプローチがその粗い分解能のために効果的でないので,ピクセルは分類のユニットとして一般的に使用されてきた。しかしながら,最近,土地被覆分類に対するパッチベースのアプローチは,隣接するピクセルからの情報の特徴を利用することにより,ピクセルベースのアプローチよりも高い精度レベルを示した。本研究において,光畳込みニューラルネットワーク(LCNN)をパッチベースの分類アルゴリズムとして用いて,パッチベースのアルゴリズムのための分類精度をさらに改良するための2つの方法について取り組んだ。最初に,その分類精度が増加するかどうかをチェックするために,フリップと回転によるデータ増強をLCNNに適用した。第二に,地図の不均一性を考慮した目的サンプリングをLCNNに適用した。本研究により,LCNNの分類精度は,データの増大と浄化サンプリングによってさらに改善され,パッチベースのアプローチがピクセルベースのアプローチに対して明確な利点を持つことを確認した。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： 分解能 ,  *土地被覆 ,  アルゴリズム ,  不均一性 ,  *掃気 ,  画像 ,  画素
準シソーラス用語： *分類精度 ,  分類アルゴリズム ,  *土地被覆分類 ,  *畳込みニューラルネットワーク , 【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 (6件)： パッチ ,  畳み込みニューラルネットワーク ,  土地被覆分類 ,  データ増強 ,  パージ ,  サンプリング