文献

J-GLOBAL ID：202002262709417501   整理番号：20A2539907

高分解能特徴とチャネル間の相互依存性を持つ深いアンサンブルネットワークを用いた月面ローバのための地形分類アルゴリズム【JST・京大機械翻訳】

Terrain Classification Algorithm for Lunar Rover Using a Deep Ensemble Network with High-Resolution Features and Interdependencies between Channels

著者 (3件)： Zhou Lanfeng (Shanghai Institute of Technology, Shanghai, China) ,  Liu Ziwei (Shanghai Institute of Technology, Shanghai, China) ,  Wang Wenfeng (Shanghai Institute of Technology, Shanghai, China)
資料名： Wireless Communications & Mobile Computing  (Wireless Communications & Mobile Computing)
巻： 2020  ページ： Null  発行年： 2020年 
JST資料番号： W1338A  ISSN： 1530-8669  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： イギリス (GBR)  言語： 英語 (EN)

抄録/ポイント： 地形分類タスクのために,以前の方法は,画像の特徴を抽出するために,単一スケールまたは単一モデルを使用し,画像の特徴を抽出するために,高から低解像度ネットワークを用いて,チャネル間に関係のないネットワークを使用した。これらの方法は抽出した特徴の不十分さをもたらす。したがって,分類精度は減少する。地形分類タスクにおけるサンプルは,他の画像分類タスクと異なる。地形分類タスクにおけるサンプル間の差異は,他の画像レベル分類タスクより微妙である。そして,地形分類における各々のサンプルの色は,類似した。そこで,特徴の高解像度を維持し,画像特徴を強調するためにチャネル間の相互依存性を確立する必要がある。この種のネットワークは分類精度を改善できる。これらの課題を克服するために,本論文では,深いアンサンブルネットワークを用いて,Lunar Roverのための地形分類アルゴリズムを提案した。画像の微細特徴を抽出し,画像の地形カテゴリーを推論するために,畳み込みニューラルネットワークの活性化関数と構造を最適化した。特に,いくつかの貢献が,本論文では,特徴を強調するためのチャネル間の相互依存性を確立し,微細特徴の抽出を確実にするために,プロセス全体にわたって高解像度表現を維持する。マルチモデル協調判断は,単一モデル構造の設計における短所を作って,このモデルが競合関係を形成し,精度を改善するのを助けることができる。この方法の全体の分類精度は,著者らのデータセットに関して91.57%に達して,精度はいくつかの地形に関してより高かった。Copyright 2020 Lanfeng Zhou et al. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 最適化 ,  *ネットワーク ,  画像特性 ,  チャネル ,  高分解能
準シソーラス用語： 画像分類 ,  *分類アルゴリズム ,  活性化関数 ,  分類精度 ,  相互依存性 ,  低分解能 ,  地形分類 ,  畳込みニューラルネットワーク , 【Automatic Indexing@JST】

分類 (1件)： 移動通信  (ND08030H)

引用文献 (30件)：

• L. Semler, J. Furst, "Wavelet-based texture classification of tissues in computed tomography," 18th IEEE Symposium on Computer-Based Medical Systems (CBMS'05), pp. 265-270, Dublin, Ireland, 2005.
• G. Paschos, "Perceptually uniform color spaces for color texture analysis: an empirical evaluation," IEEE Transactions on Image Processing, vol. 10, no. 6, pp. 932-937, 2001.
• X. Liu, D. Wang, "Texture classification using spectral histograms," IEEE Transactions on Image Processing, vol. 12, no. 6, pp. 661-670, 2003.
• M. Pietikäinen, T. Mäenpää, J. Viertola, Color Texture Classification with Color Histograms and Local Binary Patterns, IWTAS, New York, NY, USA, 2002.
• S. Zenker, E. E. Aksoy, D. Goldschmidt, "Visual terrain classification for selecting energy efficient gaits of a hexapod robot," 2013 IEEE/ASME International Conference on Advanced Intelligent Mechatronics, pp. 577-584, Wollongong, NSW, Australia, July 2013.

タイトルに関連する用語 (7件)： 高分解能 ,  チャネル ,  相互依存性 ,  アンサンブル ,  月面ローバ ,  地形分類 ,  アルゴリズム