文献

J-GLOBAL ID：202102246980279101   整理番号：21A0669989

畳込みニューラルネットワークを用いた限界氷ゾーンを検出するためのマルチスケール技術【JST・京大機械翻訳】

A Multi-Scale Technique to Detect Marginal Ice Zones Using Convolutional Neural Networks

著者 (4件)： Nagi Anmol Sharan (University of Waterloo,Department of Systems Design Engineering,Waterloo,Canada) ,  Minhas Manpreet Singh (University of Waterloo,Department of Systems Design Engineering,Waterloo,Canada) ,  Xu Linlin (University of Waterloo,Department of Systems Design Engineering,Waterloo,Canada) ,  Scott K. Andrea (University of Waterloo,Department of Systems Design Engineering,Waterloo,Canada)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2020  号： IGARSS  ページ： 3035-3038  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： 近年の北極圏では,シッピング交通が着実に成長している。この増加した交通の理由の一つは,中間氷濃度あるいは限界氷帯(MIZs)によって覆われた面積の増加を伴う開放水季節の延長である。これらの領域は受動マイクロ波データを用いて検出が困難である。本論文では,RADARSAT-2衛星画像におけるMIZの自動検出のための深層学習の使用を提案した。合成開口レーダ(SAR)データセットを手動で注釈して,この方法を訓練し,試験して,精密化した。各種の畳込みニューラルネットワーク(CNN)モデルを,分類のタスクのための固定特徴抽出器として評価した。分類精度を助けるために,重みづけバイナリ交差エントロピー損失基準を用いた。最後に,セグメンテーションプロセスを精密化するために,マルチスケールパッチ技術を用いた。結果の解析は,空間窓の多重サイズで得られたCNNモデル予測がSAR画像のMIZを検出することができることを実証した。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： エントロピー ,  マイクロ波 ,  *セグメンテーション ,  多重化 ,  抽出装置 ,  精密化 ,  衛星利用画像 ,  北極圏 ,  重みづけ ,  合成開口レーダ
準シソーラス用語： *マルチスケール ,  RADARSAT ,  SAR画像 ,  深層学習 ,  *畳込みニューラルネットワーク , 【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)： 畳込みニューラルネットワーク ,  限界 ,  氷 ,  ゾーン ,  マルチスケール