文献

J-GLOBAL ID：202002259204066734   整理番号：20A0861685

土地被覆分類におけるクラス不均衡問題の取り扱いのためのディープアンサンブルネットワーク【JST・京大機械翻訳】

Deep Ensemble Network for Handling Class-Imbalance Problem in Land-Cover Classification

著者 (3件)： Kalita Indrajit (Department of Computer Science & Engineering, Indian Institute of Information Technology Guwahati, Assam, India) ,  Chakraborty Shounak (Department of Computer Science & Engineering, Indian Institute of Information Technology Guwahati, Assam, India) ,  Roy Moumita (Department of Computer Science & Engineering, Indian Institute of Information Technology Guwahati, Assam, India)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2019  号： ICIT  ページ： 505-509  発行年： 2019年 
JST資料番号： W2441A  資料種別： 会議録 (C)
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： 本論文では,土地被覆分類(LCC)におけるクラス不均衡問題の問題を扱うために,深い畳込みニューラルネットワーク(DCNNs)の集合を用いたバギングに基づくランダムなアンダーサンプリング技術を研究した。提案した方法は,特定の領域においていくつかの土地被覆クラスが他のクラスを上回るオブジェクトレベルLCCにおけるシナリオを扱うことを意図し,結果として,訓練セットは他の(大多数)クラスと比較していくつかの(少数)クラスからのサンプルを少なく含む。ここでは,最初に,データセットからバランスしたクラスから成るいくつかのバッグをランダムなアンダーサンプリング技術を用いて獲得した。その後,各バッグからのサンプルを用いて,事前訓練畳込みニューラルネットワーク(CNN)を独立に微調整した。最終的に,すべての訓練された有限のCNNモデルの決定は,各ラベル付けされていないテストサンプルのためにクラスラベルを割り当てるために結合される。提案した方式の効率を検証するために,実験を,California,航空画像データセット,およびアジア亜大陸領域(ASCD)を横切って得られた新しいリモートセンシング空中画像データセットの大学で行った。これら3つの異なる空中画像データセット上で得られた結果は,他の最先端技術と比較して,提案した方式に対して優れた性能を提供した。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： 大陸 ,  アジア ,  *土地被覆 ,  リモートセンシング
準シソーラス用語： 空中画像 ,  アンダーサンプリング ,  畳込みニューラルネットワーク ,  *クラス不均衡 ,  *土地被覆分類 , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (4件)： 土地被覆分類 ,  クラス不均衡 ,  問題 ,  取り扱い