文献

J-GLOBAL ID：201902284925263391   整理番号：19A1192460

アンサンブル損失訓練畳込みニューラルネットワークを用いたSAR画像における船舶と氷山の識別【JST・京大機械翻訳】

Distinction Between Ships and Icebergs in SAR Images Using Ensemble Loss Trained Convolutional Neural Networks

著者 (6件)： Zhang Xiaocai (Advanced Analytics Institute, University of Technology Sydney, Sydney, Australia) ,  Liu Yuansheng (Advanced Analytics Institute, University of Technology Sydney, Sydney, Australia) ,  Zheng Yi (Advanced Analytics Institute, University of Technology Sydney, Sydney, Australia) ,  Zhao Zhixun (Advanced Analytics Institute, University of Technology Sydney, Sydney, Australia) ,  Li Jinyan (Advanced Analytics Institute, University of Technology Sydney, Sydney, Australia) ,  Liu Yang (Transportation Engineering College, Dalian Maritime University, Dalian, Liaoning, China)
資料名： Lecture Notes in Computer Science  (Lecture Notes in Computer Science)
巻： 11320  ページ： 216-223  発行年： 2018年 
JST資料番号： H0078D  ISSN： 0302-9743  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： ドイツ (DEU)  言語： 英語 (EN)

抄録/ポイント： 地球温暖化の現象によって,より多くの新しい船舶経路は,特に北極において,極性区域においてより多くの船舶によって開放して活用した。合成開口レーダ(SAR)は,北極海における海洋監視と安全性のための船舶と氷山モニタリングに広く使われてきた。現在,船舶または氷山の対象物検出と比較して,SAR画像における船舶と氷山識別の作業はまだ挑戦的である。本研究では,凸関数である畳込みニューラルネットワーク(CNN)を訓練するためのアンサンブル損失と呼ばれる新しい損失関数を提案し,交差エントロピーとヒンジ損失の特徴を組み込んだ。船舶と氷山の間の識別のためのアンサンブル損失訓練されたCNNモデルを,実世界のSARデータセット上で評価した。それは90.15%までより高い分類精度を得ることができた。もう一つの実画像データセットに関する実験により,提案したアンサンブル損失の有効性を確認した。Copyright 2018 Springer Nature Switzerland AG Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 合成開口レーダ ,  *船舶 ,  ヒンジ ,  エントロピー ,  有効性 ,  北極海 ,  安全性 ,  地球温暖化 ,  海洋 ,  *画像
準シソーラス用語： 分類精度 ,  北極地方 ,  *氷山 ,  *SAR画像 ,  *畳込みニューラルネットワーク , 【Automatic Indexing@JST】

著者キーワード (6件)： 船舶 ,  氷山 ,  識別 ,  合成開口レーダ(SAR) ,  畳込みニューラルネットワーク(CNN) ,  アンサンブル損失

分類 (5件)： 図形・画像処理一般  (JE04010I) ,  人工知能  (JE08000Z) ,  パターン認識  (JE07000S) ,  航空機  (QK06000K) ,  計算機システム開発  (JD02010R)

タイトルに関連する用語 (8件)： アンサンブル ,  損失 ,  訓練 ,  畳込みニューラルネットワーク ,  SAR画像 ,  船舶 ,  氷山 ,  識別