文献

J-GLOBAL ID：202002234772225513   整理番号：20A0285619

弱教師付き畳込みニューラルネットワークを用いた歴史的地形図系列からの人間定住パターンの自動抽出【JST・京大機械翻訳】

Automated Extraction of Human Settlement Patterns From Historical Topographic Map Series Using Weakly Supervised Convolutional Neural Networks

著者 (5件)： Uhl Johannes H. (Department of Geography, University of Colorado Boulder, Boulder, CO, USA) ,  Leyk Stefan (Department of Geography, University of Colorado Boulder, Boulder, CO, USA) ,  Chiang Yao-Yi (Spatial Sciences Institute, University of Southern California, Los Angeles, CA, USA) ,  Duan Weiwei (Spatial Sciences Institute, University of Southern California, Los Angeles, CA, USA) ,  Knoblock Craig A. (Spatial Sciences Institute, University of Southern California, Los Angeles, CA, USA)
資料名： IEEE Access  (IEEE Access)
巻： 8  ページ： 6978-6996  発行年： 2020年 
JST資料番号： W2422A  ISSN： 2169-3536  資料種別： 逐次刊行物 (A)
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： 歴史的地図からの情報抽出は,ディジタル地図アーカイブの劣ったグラフィック品質と大きなデータ量による持続的な挑戦を表し,数千のデジタル化マップシートを保持できる。従来の地図処理技術は,典型的には,関心のある記号の人手で収集されたテンプレートに依存しており,したがって,大規模な情報抽出には適していない。このような大量の価値ある遡及的地理情報をデジタル的に保存するためには,高レベルの自動化が必要である。ここでは,訓練サンプルの収集を導くための補助データとして現代の地理空間データを用いて,訓練データがない場合の歴史的地形図から建物や都市域のような人間の定住シンボルを抽出するための自動化機械学習ベースの枠組みを提案した。次に,これらのサンプルを用いて,意味的画像セグメンテーションのための畳込みニューラルネットワークを訓練し,解析可能な地球空間ベクトルデータフォーマットにおける人間の沈降パターンの抽出を可能にした。1893年と1954年の間に公表された米国地質調査の歴史的地形図に関する著者らの方法を試験した。結果は有望であり,抽出された沈降特徴(すなわち,最大0.96までの再現,最大0.79までのF測度)における高度の完全性を示し,様々な歴史的地図系列から大規模地理的特徴抽出のための完全自動化操作アプローチを提供する。さらに,提案フレームワークは,サイズが小さく,多くの種類の視覚文書に一般化できるオブジェクト認識のためのロバストな手法を提供する。Copyright 2020 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： 都市域 ,  特徴抽出 ,  データフォーマット ,  品質 ,  地質調査 ,  視覚 ,  測度 ,  ロバスト性 ,  沈降 ,  自動化 ,  地理学 ,  *地形図 ,  機械学習 ,  地球 ,  物体認識

分類 (1件)： パターン認識  (JE07000S)

タイトルに関連する用語 (8件)： 教師 ,  畳込みニューラルネットワーク ,  歴史 ,  地形図 ,  系列 ,  人間 ,  定住 ,  自動抽出