文献

J-GLOBAL ID：202002298566657718   整理番号：20A2786578

深層学習に基づく森林火災の同定法に関する研究【JST・京大機械翻訳】

Research on the identification method for the forest fire based on deep learning

著者 (4件)： Liu Zhaochun (Jianghuai College of Anhui University, Hefei, Anhui, 230031, China) ,  Zhang Kai (National Synchrotron Radiation Laboratory, USTC, Hefei, 230027, China) ,  Wang Chenyang (Jianghuai College of Anhui University, Hefei, Anhui, 230031, China) ,  Huang Siyu (Lab.304 of Electronic Countermeasure Institute of NUDT, Hefei, 230037, China)
資料名： Optik  (Optik)
巻： 223  ページ： Null  発行年： 2020年 
JST資料番号： D0251A  ISSN： 0030-4026  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： 森林火災画像の複雑な背景,画像認識の弱い一般化能力,および低い精度のような従来の森林火災認識技術のいくつかの問題があり,それは誤警報または欠測警報につながるであろう。上記の問題を解決するために,深さ学習に基づくマルチレベル森林火災検出法を提案した。最初に,不均等な分布と少数のサンプルの問題を解決するために,高品質な森林火災サンプルをGAN(General Advanced Network)で作り出した。第2に,HOGの特性に基づくAdaboost分類器(指向グリッドのヒストグラム)を用いて,森林火災面積画像の一次予測を行い,次に,畳み込みニューラルネットワーク(CNN)とサポートベクトルマシン(SVM)を用いて,火災領域の二次認識を実施した。実験結果は,本論文で提案した森林火災画像認識法が,他のアルゴリズムよりも少ないサンプルで訓練後により高い認識率と低い誤り警報率を得ることができることを示した。同時に,この方法は,サンプル訓練と認識のために必要なハードウェア環境に関してより低い要求を持って,GPUトレーニング環境を必要とするアルゴリズムに関して明らかな利点を持った。この方法で,森林火災画像の認識率は97.6%に達し,誤警報率は1.4%であり,見逃し警報率は1%であった。サンプル画像を認識するための平均時間は0.7秒であり,それは高い有効性とロバスト性を持っている。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： アルゴリズム ,  火災 ,  *警報 ,  検出法 ,  ハードウェア ,  ロバスト性 ,  機械学習 ,  サポートベクトルマシン ,  画像認識
準シソーラス用語： マルチレベル ,  誤警報 ,  高品質 ,  誤警報率 ,  *深層学習 ,  畳込みニューラルネットワーク , 【Automatic Indexing@JST】

著者キーワード (5件)： 機械学習 ,  GAN ,  CNN ,  SVM ,  森林火災認識

分類 (2件)： 光学情報処理  (BD03060T) ,  図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (4件)： 深層学習 ,  森林火災 ,  同定法 ,  研究