文献

J-GLOBAL ID：201902258285360795   整理番号：19A0459590

Sentinel-1 SAR画像による海氷分類のための残留畳込みニューラルネットワーク【JST・京大機械翻訳】

A Residual Convolution Neural Network for Sea Ice Classification with Sentinel-1 SAR Imagery

著者 (6件)： Song Wei ,  Li Minghui ,  He Qi ,  Huang Dongmei ,  Perra Cristian ,  Liotta Antonio
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2018  号： ICDMW  ページ： 795-802  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： 海氷型分類は海氷監視のために非常に重要であり,合成開口レーダ(SAR)は海氷分類のための主要なデータ源になった。毎日生産された多数のSAR画像により,より知的な海氷分類プロセスが緊急に必要である。本論文では,カナダ氷床サービスの氷チャートを参照して,Sentinel-1 SAR画像を用いて4タイプ海氷分類データセットを構築し,海氷分類のための残留コンボリューションネットワークを設計した。著者らは,さらに,集合学習のアイデアによって,マルチモデル平均値評価戦略を設計して,密接に関連した氷タイプの間の分類精度を改良した。実験に基づいて,著者らの提案方法は,MLP,AlexNet,および伝統的SVM法を上回り,94%の全体精度と91.9のKappa係数に達した。地域の氷濃度に関する評価のために,SI-Resnetの分類結果から計算された値は,MLP,AlexNetおよびSVMのそれらより,氷チャートの地域濃度データとより一貫している。CISの手動で作られた氷チャートと比較して,著者らの方法は自動的に作業することができて,船舶経路計画と海氷変化モニタリングのための有用な参考により詳細な氷分布を提供することができた。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： *海氷 ,  船舶 ,  *ネットワーク ,  学習 ,  *画像 ,  *畳込み ,  経路探索 ,  カナダ ,  合成開口レーダ ,  氷床 ,  マルチモデル ,  畳込みニューラルネットワーク
準シソーラス用語： 分類精度 ,  *SAR画像 , 【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)： SAR画像 ,  海氷 ,  分類 ,  残留 ,  畳込みニューラルネットワーク