文献

J-GLOBAL ID：202102246340645989   整理番号：21A2453964

ハイブリッドセマンティックセグメンテーションアーキテクチャによる風力タービンの認識と特徴抽出の最適化【JST・京大機械翻訳】

Optimizing the Recognition and Feature Extraction of Wind Turbines through Hybrid Semantic Segmentation Architectures

著者 (4件)： Manso-Callejo Miguel-Angel ,  Cira Calimanut-Ionut ,  Alcarria Ramon ,  Arranz-Justel Jose-Juan
資料名： Remote Sensing (Web)  (Remote Sensing (Web))
巻： 12  号： 22  ページ： 3743  発行年： 2020年 
JST資料番号： U7270A  ISSN： 2072-4292  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： スイス (CHE)  言語： 英語 (EN)

抄録/ポイント： 風車のマッピングを,一定の膨張で,エネルギー生産を予測し,または,嵐中のこれらのインフラストラクチャのリスクを最小化するために重要である。この地理情報は,通常,公共マッピング機関によって提供されず,代替源は,通常,マッピングと研究に関心を持つ共同体または個人である。しかし,それらはメタデータや遺伝子学を提供せず,それらの品質は未知である。本論文では,意味セグメンテーションのハイブリッドアーキテクチャを用いて,特徴(風力タービン)の認識と抽出を最適化するための方法論を提案した。目的は,これらのデータセットの品質を特性化し,大規模で自動的にそれらを改善および更新することを助けることである。この目的のために,高分解能画像から風車を表す特徴を抽出するため訓練されたハイブリッド意味セグメンテーションネットワークの能力を評価し,その遺伝子学と品質が未知であるデータセットの位置精度と完全性を特性化した。著者らは,6つの異なるニューラルネットワークアーキテクチャを訓練するために,空中画像の5140タイルとそれらの地図から成る訓練データセットを構築した。ネットワークを5つの試験領域(スペイン領の520km2をカバーする)で評価して,最良のセグメンテーションアーキテクチャ(著者らの事例で,ベースアーキテクチャとしてLinkNet,バックボーンとして効率的Net-b3)を同定した。このハイブリッドセグメンテーションモデルは,その幾何学的品質と同様に,試運転と利用可能なジオ参照風車データセットの省略によって完全性を特性づけることを可能にした。Copyright 2021 The Author(s) All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *最適化 ,  *セグメンテーション ,  ネットワーク ,  *特徴抽出 ,  *風車 ,  インフラストラクチャー ,  キャラクタリゼーション ,  完全性 ,  *計算機アーキテクチャ ,  メタデータ
準シソーラス用語： 訓練データ ,  高精細画像 ,  地理情報 ,  空中画像 ,  ハイブリッドアーキテクチャ , 【Automatic Indexing@JST】

著者キーワード (4件)： セマンティックセグメンテーション ,  品質管理 ,  風力タービン ,  特徴抽出

分類 (1件)： 風力発電  (NB03120Q)

引用文献 (41件)：

• Ma, L.; Liu, Y.; Zhang, X.; Ye, Y.; Yin, G.; Johnson, B.A. Deep learning in remote sensing applications: A meta-analysis and review. ISPRS J. Photogramm. Remote Sens. 2019, 152, 166-177.
• Stetco, A.; Dinmohammadi, F.; Zhao, X.; Robu, V.; Flynn, D.; Barnes, M.; Keane, J.; Nenadic, G. Machine learning methods for wind turbine condition monitoring: A review. Renew. Energy 2019, 133, 620-635.
• Abedini, F.; Bahaghighat, M.; S’hoyan, M. Wind turbine tower detection using feature descriptors and deep learning. Facta Univ. Ser. Electron. Energ. 2020, 33, 133-153.
• Krizhevsky, A.; Sutskever, I.; Hinton, G.E. ImageNet classification with deep convolutional neural networks. Commun. ACM 2017, 60, 84-90.
• Simonyan, K.; Zisserman, A. Very Deep Convolutional Networks for Large-Scale Image Recognition. arXiv 2014, arXiv:1409.1556.

タイトルに関連する用語 (5件)： セマンティックセグメンテーション ,  アーキテクチャ ,  風力タービン ,  特徴抽出 ,  最適化