文献

J-GLOBAL ID：202102232553739507   整理番号：21A1145489

完全畳込みネットワークを用いた深層氷層追跡と厚さ推定【JST・京大機械翻訳】

Deep Ice Layer Tracking and Thickness Estimation using Fully Convolutional Networks

著者 (4件)： Varshney Debvrat (University of Maryland Baltimore County,Computer Vision and Remote Sensing Laboratory,Baltimore,MD,USA) ,  Rahnemoonfar Maryam (University of Maryland Baltimore County,Computer Vision and Remote Sensing Laboratory,Baltimore,MD,USA) ,  Yari Masoud (University of Maryland Baltimore County,Computer Vision and Remote Sensing Laboratory,Baltimore,MD,USA) ,  Paden John (University of Kansas Lawrence,Center for Remote Sensing of Ice Sheets (CReSIS),Lawrence,KS,USA)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2020  号： Big Data  ページ： 3943-3952  発行年： 2020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： 地球温暖化は,世界中の氷河と氷シートを急速に削減する。この削減のリアルタイム評価は,その地球規模の気候影響を監視するために必要とされる。本論文では,雪レーダ画像と完全畳込みネットワークを用いて各内部氷層の厚みを推定する新しい方法を紹介した。推定した厚さは毎年雪蓄積を理解するために使用できる。各内部氷層の深さと構造を理解するために,レーダ画像上でマルチクラス意味セグメンテーションを行い,以前には実行しなかった。レーダ画像は良い訓練ラベルを欠いているので,ラベルのクリーンセットを得るために前処理技術を実行する。各氷層を一意的に検出した後,その厚さを計算し,それを処理したグランドトルースと比較した。これは,各氷層が別々に検出され,その厚さが自動化技術を通して計算された初めてである。この手順を通して,約3.6ピクセルの平均絶対誤差内で氷層厚を推定することができた。そのような深い学習ベースの方法は,クライオスフェア研究の正確な評価を行うために,絶えず増加するデータセットで使用できる。Copyright 2021 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： *畳込み ,  自動化 ,  学習 ,  セグメンテーション ,  *ネットワーク ,  前処理 ,  氷河 ,  画素 ,  層厚 ,  深層 ,  レーダ画像 ,  地球温暖化
準シソーラス用語： 雪 ,  実時間 ,  グランドトゥルース , 【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 (6件)： 畳込み ,  深層 ,  氷層 ,  追跡 ,  厚さ ,  推定