文献

J-GLOBAL ID：202102242805457912   整理番号：21A0891345

フリッカ画像におけるフラッディングを検出するための視覚的特徴とメタデータの融合【JST・京大機械翻訳】

Fusing Visual Features and Metadata to Detect Flooding in Flickr Images

著者 (3件)： Jony Rabiul Islam (School of Computer Science, Queensland University of Technology, ARC Centre of Excellence for Mathematical & Statistical Frontiers,Science and Engineering Faculty,Brisbane,Australia) ,  Woodley Alan (School of Computer Science, Queensland University of Technology, ARC Centre of Excellence for Mathematical & Statistical Frontiers,Science and Engineering Faculty,Brisbane,Australia) ,  Perrin Dimitri (School of Computer Science, Queensland University of Technology, ARC Centre of Excellence for Mathematical & Statistical Frontiers,Science and Engineering Faculty,Brisbane,Australia)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2020  号： DICTA  ページ： 1-8  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： Flickrのようなソーシャルメディアプラットフォームは,自然災害の評価のための情報源となり,例えば洪水マッピングを支援する。視覚特徴およびテキストメタデータを使用して,ソーシャルメディア画像における自然災害を同定したが,それらはしばしば別々に使用されてきた。ここでは,これら2つのモードを,2つの融合法と深層学習を用いて融合し,MediaEval 2017データセットにおける洪水画像を同定した。新しいバックプロパゲーション技術,直接バックプロパゲーション(DBP)を用いて,分類のためのニューラルネットワークを訓練した。結果は,融合方法がそれらの個々の対応物と比較して分類精度を改善することを示した。提案した学習法を他のベースライン法と比較し,最高の分類結果を生成することを見出した。外部評価のため,結果をMediaEval 2017法と比較し,ここでの方法はそれらの大部分を凌駕する。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： 洪水 ,  学習 ,  情報源 ,  ニューラルネットワーク ,  *フラッディング ,  *フリッカ ,  自然災害 ,  基準線 ,  逆伝搬法 ,  *メタデータ
準シソーラス用語： 分類精度 ,  外部評価 ,  ソーシャルメディア ,  フリッカー ,  深層学習 , 【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 (5件)： フリッカ ,  フラッディング ,  視覚的特徴 ,  メタデータ ,  融合