抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
雲汚染はリモートセンシングデータを用いて地球表面をマッピングする大きな障害を示す。したがって,曇り画素は,更なるデータ処理が達成できる前に同定され,除去されるべきである。いくつかの閾値,複数時間及び機械学習アプリケーションがこの問題に取り組むために開発されているが,まだ課題として残っている。主な課題は,薄い雲を検出し,明るい非雲物体から明るい雲を分離する困難さによって課される。畳込みニューラルネットワーク(CNN)は,画像分類タスクのための最も有望な方法のひとつであり,それらの使用はリモートセンシング問題において急速に増加している。CNNは,スペクトル情報だけでなく,データの空間共分散を直接利用するので,画像処理のための興味深い性質を示す。本研究では,Sentinel-2画像の雲検出におけるCNNの適用可能性,重要な空間文脈を持つ複雑なリモートセンシング問題を研究した。3つの畳み込み層と2つの完全接続層から成るパッチツーピクセルCNNアーキテクチャを,最近利用可能な手動作成公開データセット上で訓練した。結果を,グランドトルースクラウドマスクと最先端のピクセルベースアルゴリズム(Fマスク,Sen2Cor)との比較を通して定性的および定量的に評価した。提案したアーキテクチャは,最近の文献によって提案された深層学習アーキテクチャよりも単純であるが,特に挑戦的な事例において,非常に有利に働くことを示した。結果の評価に加えて,クラウドマスキングアプリケーションのための有用なカーネルの重みを抽出するための初期努力として観察された特徴マップである。COPYRIGHT SPIE. Translated from English into Japanese by JST.【JST・京大機械翻訳】