文献

J-GLOBAL ID：202002246805839356   整理番号：20A1071470

干渉合成開口レーダ地形分類のための複素リザバーコンピューティング

Complex-valued reservoir computing for land form classification in interferometric synthetic aperture radar

著者 (3件)： 小西文昂 (東大 大学院工学系研究科) ,  廣瀬明 (東大 大学院工学系研究科) ,  夏秋嶺 (東大 大学院工学系研究科)
資料名： 電子情報通信学会技術研究報告  (IEICE Technical Report (Institute of Electronics, Information and Communication Engineers))
巻： 119  号： 453(NC2019 75-116)(Web)  ページ： 193-198 (WEB ONLY)  発行年： 2020年02月26日 
JST資料番号： S0532B  ISSN： 0913-5685  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： 日本 (JPN)  言語： 日本語 (JA)

抄録/ポイント： 合成開口レーダが取得するデータは,植生や土壌に関して光学画像では得られない情報も含む.そのため,われわれはその情報を適切に処理することで地表面をより良く分類できる可能性がある.画像区分では,畳み込みニューラルネットワークを用いた方法が一般的であるが,畳み込みとプーリングの処理により分類結果の解像度が低下することや,学習に時間がかかるといった問題がある.本論文は,干渉合成開口レーダの複素画像データを扱うことができる複素リザバーコンピューティングを提案する.そして,複素リザバーコンピューティングを用いて地形分類を行い,複素畳み込みニューラルネットワークと比較して,低計算コストで解像度の高い地形分類を行えることを示す.(著者抄録)

シソーラス用語： *合成開口レーダ ,  分類 ,  *地形 ,  画像分析 ,  *ニューラルネットワーク ,  神経回路網 ,  分解能 ,  実験
準シソーラス用語： リザーバコンピューティング ,  画像解析 ,  画像解像度 ,  画像分類 ,  解像度 ,  干渉合成開口レーダ ,  再帰型ニューラルネット ,  地形分類 ,  評価実験 ,  複素ニューラルネットワーク

分類 (2件)： 人工知能  (JE08000Z) ,  レーダ  (ND13010H)

引用文献 (18件)：

• 大内和夫,リモートセンシングのための合成開口レーダの基礎, 第2巻,東京電機大学出版局,2009.
• G. Cheng, C. Yang, X. Yao, L. Guo, and J. Han, “When Deep Learning Meets Metric Learning: Remote Sensing Image Scene Classification via Learning Discriminative CNNs,” IEEE Transactions on Geoscience and Remote Sensing, vol.56, no.5, pp.2811-2821, 2018.
• D. Marmanis, M. Datcu, T. Esch, and U. Stilla, “Deep learning earth observation classification using ImageNet pretrained networks,” IEEE Geoscience and Remote Sensing Letters, vol.13, no.1, pp.105-109, 2016.
• S. De, L. Bruzzone, A. Bhattacharya, F. Bovolo, and S. Chaudhuri, “A novel technique based on deep learning and a synthetic target database for classification of urban areas in PolSAR data,” IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing, vol.11, no.1, pp.154-170, 2018.
• Z. Lin, K. Ji, M. Kang, X. Leng, and H. Zou, “Deep Convolutional Highway Unit Network for SAR Target Classification With Limited Labeled Training Data,” IEEE Geoscience and Remote Sensing Letters, vol.14, no.7, pp.1091-1095, 2017.

タイトルに関連する用語 (3件)： 干渉合成開口レーダ ,  地形分類 ,  リザバーコンピューティング