文献

J-GLOBAL ID：202102249231992978   整理番号：21A0104960

深さコンボリューションネットワークに基づく海洋渦検出モデル【JST・京大機械翻訳】

Ocean Eddy Detection Model Based on Deep Convolution Neural Network

著者 (5件)： Zhang Meng (中国海洋大学信息科学与工程学院,青島,266100) ,  Yang Yuting (中国海洋大学信息科学与工程学院,青島,266100) ,  Sun Xin (中国海洋大学信息科学与工程学院,青島,266100) ,  Dong Junyu (中国海洋大学信息科学与工程学院,青島,266100) ,  Liang Yao (中国海洋大学信息科学与工程学院,青島,266100)
資料名： Nanjing Hangkong Hangtian Daxue Xuebao  (Nanjing Hangkong Hangtian Daxue Xuebao)
巻： 52  号： 5  ページ： 708-713  発行年： 2020年 
JST資料番号： W0399A  ISSN： 1005-2615  CODEN： NHHXEU  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 中国 (CHN)  言語： 中国語 (ZH)

抄録/ポイント： 従来のリモートセンシングデータによる渦検出方法は,通常,物理的パラメータ,幾何学的特徴,手作業特性またはエキスパート知識に基づいている。本論文では、深さ学習技術に基づく海表面高度図から海洋渦を識別する方法について重点的に研究した。海洋衛星が撮影した海洋表面高度図における渦検出問題に対して、畳込みニューラルネットワークに基づくマルチ渦検出モデルを提案し、このモデルは渦の特徴情報を正確に抽出でき、意味情報と海面高度間の関係を適合させた。同時に,渦検出のための最新の公開データセットSCSE?Eddy上で、モデル訓練を行い、人工知能に基づく渦検出方法の性能を評価し、このデータセットは15年間、中国南シナ海及びその東部の海域に位置する毎日の衛星リモートセンシング海表面高度データにカバーした。実験結果は,既存の方法と比較して,このモデルがより良い検出結果を得て,より近い渦をより良く区別できることを示した。Data from Wanfang. Translated by JST.【JST・京大機械翻訳】

シソーラス用語： 学習 ,  海面 ,  *海洋 ,  人工知能 ,  検出法 ,  南シナ海 ,  海域 ,  海面高度
準シソーラス用語： 意味情報 ,  衛星リモートセンシング ,  畳込みニューラルネットワーク , 【Automatic Indexing@JST】

分類 (3件)： 計算理論  (JB02000A) ,  雑音一般  (ND04010J) ,  ガスタービン  (PB02040Y)

タイトルに関連する用語 (4件)： コンボリューション ,  海洋 ,  渦 ,  モデル