文献

J-GLOBAL ID：201902280614973484   整理番号：19A0301468

深層学習によるGPR画像のオブジェクト同定【JST・京大機械翻訳】

Object Identification form GPR Images by Deep Learning

著者 (2件)： Sonoda Jun (National Institute of Technology, Miyagi, Sendai College 4-16-1, Ayashi-chuo, Aoba-ku Sendai-shi, Japan) ,  Kimoto Tomoyuki (National Institute of Technology, Oita College 1666, Maki Oita-shi, Oita, Japan)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2018  号： APMC  ページ： 1298-1300  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： 筆者らは,深いニューラルネットワークによって地中レーダ(GPR)画像を形成する地下物体の同定法を開発した。本研究では,DNNによりGPR画像から地下オブジェクトを自動的に検出するために,グラフィックス処理ユニット(GPU)による高速有限差分時間領域(FDTD)シミュレーションを用いてDNNを訓練するために数千のGPR画像を生成した。さらに,地下物体の特性を抽出し,9層畳込みニューラルネットワーク(CNN)により生成したGPR画像から学習した。CNNは不均一地下媒体において約80%の精度で6つの材料を同定できることを示した。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： 有限差分時間領域法 ,  シミュレーション ,  *画像 ,  ニューラルネットワーク ,  高速度 ,  媒質 ,  地中レーダ
準シソーラス用語： 畳込みニューラルネットワーク ,  時間領域 ,  GPU【プロセッサ】 ,  *深層学習 , 【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 (4件)： 深層学習 ,  GPR ,  オブジェクト ,  同定