文献

J-GLOBAL ID：202002271265168399   整理番号：20A0648559

点雲山腹斜面分類器のための一般化考察と解【JST・京大機械翻訳】

Generalization considerations and solutions for point cloud hillslope classifiers

著者 (3件)： Weidner Luke (Colorado School of Mines, 1500 Illinois Street, Golden, CO 48640, USA) ,  Walton Gabriel (Colorado School of Mines, 1500 Illinois Street, Golden, CO 48640, USA) ,  Kromer Ryan (Colorado School of Mines, 1500 Illinois Street, Golden, CO 48640, USA)
資料名： Geomorphology  (Geomorphology)
巻： 354  ページ： Null  発行年： 2020年 
JST資料番号： T0383A  ISSN： 0169-555X  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 点雲分類器は,様々な応用のための景観特性化を急速に実行する可能性を持っている。このような分類器の一般化(すなわち,新しいサイトへの移転可能性)は,技術者と研究者の両方に対するアクセシビリティと有用性を改善することができるが,分類器の一般化に対するガイドラインは文献に欠けている。本研究では,地上レーザ走査(TLS)点雲に対するランダムフォレスト機械学習分類器を開発し,適用し,いくつかの異なる位置からの雲を点雲に一般化した。分類装置を訓練して,点雲のマルチスケール幾何学的特徴を用いて,植生,土壌,距骨,および岩盤を含む基本的山腹斜面地形特徴を同定した。西部コロラドの4つの岩石と土壌斜面をTLSを用いて走査した。一般化実験は,試験点密度,オクルージョン,およびサイト間ドメイン分散因子を試験し,すべての因子は,一般化精度に有意な影響を示した。分類器の一般化精度を改善するためのいくつかの方法を試験し,複数のサイトからの訓練データの組み合わせ,確率閾値,およびアクティブ学習として知られているドメイン適応法を含む比較を行った。複数のサイトからのデータを組み込むことにより,一般化精度が改善されたが,多くの場合において,精度の最大の改善は,ターゲットサイトからの新しい訓練データの追加と関連していることが分かった。この場合,アクティブ学習を用いることにより,付加された訓練点の数の90%以上の減少を伴う有意な精度改善が得られた。結果は,走査特性が分類器一般化精度における重要な因子であることを示唆した。しかし,それらの影響は,ここで記述した技術を使用することによって緩和することができた。Copyright 2020 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 分類装置 ,  岩盤 ,  距骨 ,  岩石 ,  *走査 ,  アクセシビリティ ,  機械学習 ,  オクルージョン ,  キャラクタリゼーション ,  コロラド州
準シソーラス用語： 能動学習 ,  訓練データ ,  ランダムフォレスト , 【Automatic Indexing@JST】

著者キーワード (4件)： 機械学習 ,  ポイントクラウド ,  分類 ,  ドメイン適応

分類 (1件)： パターン認識  (JE07000S)

タイトルに関連する用語 (5件)： 点雲 ,  斜面 ,  分類器 ,  一般化 ,  解