文献

J-GLOBAL ID：202002257288521836   整理番号：20A2551620

PALSAR-2電力分解成分のセグメンテーションのためのCNNによる移動学習【JST・京大機械翻訳】

Transfer Learning With CNNs for Segmentation of PALSAR-2 Power Decomposition Components

著者 (4件)： Vinayaraj Poliyapram (Tokyo Tech Real World Big-Data Computation Open Innovation Laboratory, National Institute of Advanced Industrial Science and Technology, Tokyo, Japan) ,  Sugimoto Ryu (National Institute of Advanced Industrial Science and Technology, Tokyo, Japan) ,  Nakamura Ryosuke (National Institute of Advanced Industrial Science and Technology, Tokyo, Japan) ,  Yamaguchi Yoshio (National Institute of Advanced Industrial Science and Technology, Tokyo, Japan)
資料名： IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing  (IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing)
巻： 13  ページ： 6352-6361  発行年： 2020年 
JST資料番号： W2259A  ISSN： 1939-1404  CODEN： IJSTHZ  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： 水/氷/土地領域分割は,地球表面上の水または氷の発生を解析するので,リモートセンシングのための重要な作業である。多くの以前の深層学習研究は,高度に正確な水/氷/土地領域分割のためにマルチスペクトル衛星画像を効果的に利用した。しかしながら,合成開口レーダ画像の深層学習ベースセグメンテーションは,十分なラベル付きデータの入手不能のため,依然として困難なタスクのままである。この問題を克服するために,非常に限られた数のラベル付きサンプルを必要とする2段階深層学習ベース転送学習モデルを設計した。提案した手法は2つのモデルから成る。第1のモデルは,完全偏波PALSAR-26SDデータを6つの新しい特徴に変換するLandsat-8マルチスペクトル変換モデル(DTF)に対する深いエンコーダーデコーダ6SDである。第2のモデル(移動学習)に関しては,DTFの特徴を利用して,水/氷/土地セグメンテーションのためのLandsat-8マルチスペクトル事前訓練モデルを用いてモデルを微調整した。その後,提案した二段階モデルをDTF-TLと呼ぶ。また,定性的および定量的分析を行い,提案モデル(DTF-TL)の性能を評価し,種々の移動学習法と比較した。全体として,DTF-TLモデルは,再現率(0.980),精度(0.981),F1スコア(0.981),平均交差点(0.962),および精度(0.989)に関して,一貫した信頼できる水/氷/土地セグメンテーション結果で,他のモデルより優れていた。。”DTF-TLモデル”は,再現率(0.980),精度(0.981),F1スコア(0.981),平均交差点(0.962),および精度(0.989)に関して,他のモデルを凌駕した。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： *学習 ,  学習モデル ,  *セグメンテーション ,  *電力 ,  交差点 ,  定量的分析 ,  土地 ,  リモートセンシング ,  偏波 ,  衛星利用画像 ,  地表面
準シソーラス用語： 多重スペクトル ,  SAR画像 ,  PALSAR ,  深層学習 , 【Automatic Indexing@JST】

分類 (1件)： 放射,大気光学  (DC05080C)

タイトルに関連する用語 (5件)： PALSAR ,  分解 ,  セグメンテーション ,  CNN ,  学習