文献

J-GLOBAL ID：201902251008937200   整理番号：19A1831717

AtRous XCRFを用いた点雲分類におけるオーバフィッティングのアドレッシング【JST・京大機械翻訳】

Addressing overfitting on point cloud classification using Atrous XCRF

著者 (5件)： Arief Hasan Asy’ari (Faculty of Science and Technology, Norwegian University of Life Sciences, Ås 1432, Norway) ,  Indahl Ulf Geir (Faculty of Science and Technology, Norwegian University of Life Sciences, Ås 1432, Norway) ,  Strand Geir-Harald (Faculty of Science and Technology, Norwegian University of Life Sciences, Ås 1432, Norway) ,  Strand Geir-Harald (Division of Survey and Statistics, Norwegian Institute of Bioeconomy Research, Ås 1432, Norway) ,  Tveite Havard (Faculty of Science and Technology, Norwegian University of Life Sciences, Ås 1432, Norway)
資料名： ISPRS Journal of Photogrammetry and Remote Sensing (International Society for Photogrammetry and Remote Sensing)  (ISPRS Journal of Photogrammetry and Remote Sensing (International Society for Photogrammetry and Remote Sensing))
巻： 155  ページ： 90-101  発行年： 2019年 
JST資料番号： H0048A  ISSN： 0924-2716  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 点雲データの自動分類のための技術の進歩は,多くの新しい既存の応用に大きな機会をもたらす。しかし,限られた数の標識点では,機械学習モデルによる自動分類は,過剰適合と貧弱な一般化の傾向がある。本論文では,近傍特徴を用いて条件付きランダムフィールド類似性ペナルティを導入することにより生成された制御雑音(訓練モデル上)を誘導することにより,この問題に取り組んだ。この方法はAtrous XCRFと呼ばれ,ラベル付けされていないデータによって提供される類似性ペナルティを考慮するために訓練されたモデルを強制することによって研究される。ISPRS 3Dラベリングデータセットを用いて行ったベンチマーク研究において,本手法は全体の精度において85.0%,F1スコアにおいて71.1%を達成した。この結果は,ベンチマークデータセットに対する現在の最良モデルによるものであり,F1スコアの項において最も高い値を有した。さらに,モデル再訓練なしでBergen2018データセットを用いた移動学習も行った。提案の提案は,精度の点で一貫した3%の改善を提供するが,ドメイン適応と転送学習分野に関する一般化問題を軽減するためには,より多くの研究が必要である。Copyright 2019 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 自動分類 ,  類似性 ,  三次元 ,  雑音 ,  *番地付 ,  学習 ,  ベンチマーク ,  モデル ,  ペナルティ ,  機械学習
準シソーラス用語： スコア ,  確率場 , 【Automatic Indexing@JST】

著者キーワード (3件)： 点雲分類 ,  オーバーフィット問題 ,  条件付き確率場

分類 (1件)： 写真測量,空中写真  (RC02040D)

タイトルに関連する用語 (3件)： 点雲 ,  分類 ,  アドレッシング