文献

J-GLOBAL ID：202002263799186047   整理番号：20A1575557

雲被覆下の渦海面水温シグネチャの分類【JST・京大機械翻訳】

Classification of Eddy Sea Surface Temperature Signatures Under Cloud Coverage

著者 (4件)： Moschos Evangelos (Institut Polytechnique de Paris, ENS, PSL Universite ́, LMD/IPSL, Ecole Polytechnique, Sorbonne Universite ́, CNRS, Palaiseau, France) ,  Stegner Alexandre (Institut Polytechnique de Paris, ENS, PSL Universite ́, LMD/IPSL, Ecole Polytechnique, Sorbonne Universite ́, CNRS, Palaiseau, France) ,  Schwander Olivier (LIP6, Sorbonne Universite ́, Paris, France) ,  Gallinari Patrick (LIP6, Sorbonne Universite ́, Paris, France)
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： 3437-3447  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： 中規模海洋渦は海面温度(SST)衛星画像に可視的な特徴を持ち,コヒーレント渦,温度勾配,および旋回フィラメントの多様なパターンを描写する。しかし,そのような署名の規則性を学習することは,それらの複雑な構造のため,また,画像の大きな部分を崩壊できるクラウドカバレッジのために,挑戦的なパターン認識タスクを定義する。強い雲被覆によって崩壊したとしても,海面温度渦シグネチャを分類する新しい深層学習手法を導入した。SST画像パッチの大きなデータセットを自動的に保持し,CNNベースの分類器を訓練するために使用した。分類はコヒーレント渦シグネチャに対して非常に高い精度で実行され,このタスクにおいて人間のエキスパート効率を上回る高レベルのクラウドカバレッジに対してロバストである。この方法論は,衛星高度測定に関する検出と正しい検出に役立ち,メソスケール渦を追跡するために今まで用いられる標準法であった。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： コヒーレンス ,  パターン認識 ,  *海面水温 ,  海洋 ,  規則度 ,  温度勾配 ,  フィラメント ,  衛星利用画像 ,  中規模 ,  ロバスト性
準シソーラス用語： 中規模渦 ,  *雲被覆 ,  深層学習 , 【Automatic Indexing@JST】

分類 (1件)： 気象学一般  (DC05010D)

タイトルに関連する用語 (5件)： 雲被覆 ,  渦 ,  海面水温 ,  シグネチャ ,  分類