文献

J-GLOBAL ID：202002247175074302   整理番号：20A1701679

CNNを用いた南極・昭和基地に降雪をもたらす雲識別

Identifying the Snowfall Cloud at Syowa Station, Antarctica via a Convolutional Neural Network

著者 (7件)： SUZUKI Kazue (Hosei Univ.) ,  SHIMOMURA Masaki (Meiji Univ.) ,  NAKAMURA Kazuyuki (Meiji Univ.) ,  HIRASAWA Naohiko (National Inst. of Polar Res.) ,  YABUKI Hironori (National Inst. of Polar Res.) ,  YAMANOUCHI Takashi (National Inst. of Polar Res.) ,  TOKUNAGA Terumasa (Kyushu Inst. of Technol.)
資料名： 人工知能学会全国大会論文集(Web)  (Proceedings of the Annual Conference of JSAI (Web))
巻： 34th  ページ： ROMBUNNO.3F1-ES-2-05 (WEB ONLY)  発行年： 2020年 
JST資料番号： U1701A  ISSN： 2758-7347  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： 日本 (JPN)  言語： 英語 (EN)

抄録/ポイント： 近年の温暖化環境における南極氷床の涵養量の変動のふるまいは,地球全体の水収支に大きな影響を及ぼすことから関心が高まっているが,その厳しい環境や降雪量の観測自体が難しいという現状である。限定された観測データを組み合わせ降雪量推定モデルの開発を行ってきた。今回は南極・昭和基地において観測された降雪時の雲画像に対して,CNNを適用し,二値および三値の自動識別を試みた。「Atmospheric River」と呼ばれる高高度の連なる雲が降雪に寄与しているとし,その雲構造をもつ降雪時の画像を正例,その雲構造がない,もしくは画像視野が十分でない場合準正例とした。ネットワーク構造としてはVGG16にInception構造を加え,全結合層をGlobal Average Poolingに置き換えてパラメタ数を削減した。学習に対し正例138,準正例477,負例511のサンプルを用いた。二値問題には正例と準正例を正例として扱った。識別精度は,二値(三値)分類は71.00%(65.37%)であった。Grad-CAMによる可視化結果は三値分類時に雲構造を捉えられている様子を示していた。(著者抄録)

シソーラス用語： *ニューラルネットワーク ,  *南極 ,  *雲 ,  モデル ,  降雪量 ,  構造 ,  機械学習 ,  気象画像 ,  可視化
準シソーラス用語： CNN ,  データ可視化 ,  雲構造 ,  降雪雲 ,  畳込みニューラルネットワーク ,  推定モデル

分類 (2件)： 人工知能  (JE08000Z) ,  気象学一般  (DC05010D)

タイトルに関連する用語 (6件)： CNN ,  南極 ,  昭和基地 ,  降雪 ,  雲 ,  識別