文献

J-GLOBAL ID：202002240215481748   整理番号：20A0142449

ホンダワラを識別するための教師なし特徴学習法【JST・京大機械翻訳】

An unsupervised feature learning method to distinguish Sargassum

著者 (6件)： Ye Feng (The Second Institute of Oceanography (China)) ,  Hao Zengzhou (The Second Institute of Oceanography (China)) ,  Chen Yanlong (National Marine Environmental Monitoring Ctr. (China)) ,  Gong Fang (The Second Institute of Oceanography (China)) ,  Huang Haiqing (The Second Institute of Oceanography (China)) ,  Wang Difeng (The Second Institute of Oceanography (China))
資料名： Proceedings of SPIE  (Proceedings of SPIE)
巻： 11150  ページ： 1115012-12  発行年： 2019年 
JST資料番号： D0943A  ISSN： 0277-786X  CODEN： PSISDG  資料種別： 会議録 (C)
記事区分： 短報  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 近年,Sargassumの爆発的増殖によって引き起こされる黄金潮汐は,中国海で頻繁に発生した。それは海洋生態系,水産養殖,および沿岸観光に大きな負の影響を与えた。幸いにも,衛星観測は,タイムリーで効果的な方法でSargassumのような大型藻類の成長をモニターし,追跡することができ,漁業と環境保護部門における災害予防と軽減のための科学的基礎を提供する。大型藻類の従来の抽出法の大部分はピクセル指向性である。これらの方法は容易に実行できるが,それらは自然オブジェクトの豊富なテクスチャ情報を失う。リモートセンシング画像から見られるSargassumは,いくつかのピクセルをカバーするストリップのようなグループで凝集する傾向がある。したがって,本論文では,ピクセル間の文脈的関係と空間的および構造的特徴の多様性を利用することにより,シーンに基づいてある領域からSargassumを識別することを検討した。本論文において,2016年12月31日に中国の江蘇省近くの海域における黄金潮汐災害の間,GF-1によって得た画像を使用した。Sargassumを識別するために教師なし特徴学習法を採用した。投票方法を用いて,オリジナル画像を,対応する顕著性画像によってガイドされた小さな画像ブロックに分割した。0平均化とZCA白化の後に,初期の重みをまばらな自動符号器を訓練することによって得て,次に,これらの重みを画像の局所的特徴を得るためにコンボリューションカーネルとして畳み込んで,この特徴を通過させた。画像の大域的統計的特徴を抽出できるように,畳込み層出力の固有ベクトルを低減するためにそれらをプールした。最後に,Softmax分類装置を用いて,オリジナル画像におけるSargassumの領域を識別した。実験精度は77.79%で,手動標識の結果と比較して閾値抽出法より優れていた。COPYRIGHT SPIE. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 養殖 ,  分類装置 ,  *学習 ,  畳込み ,  *ホンダワラ ,  環境保全 ,  防災 ,  潮汐 ,  沿岸 ,  白化 ,  画素 ,  固有ベクトル ,  海域 ,  海洋 ,  観光

分類 (2件)： 図形・画像処理一般  (JE04010I) ,  パターン認識  (JE07000S)

タイトルに関連する用語 (3件)： ホンダワラ ,  識別 ,  教師