文献

J-GLOBAL ID：202102252353732317   整理番号：21A1145738

衛星画像からの深層学習Uネットの野火重症度分類の改善【JST・京大機械翻訳】

Improving Wildfire Severity Classification of Deep Learning U-Nets from Satellite Images

著者 (6件)： Monaco Simone (Politecnico di Torino,Department of Control and Computer Engineering,Italy) ,  Pasini Andrea (Politecnico di Torino,Department of Control and Computer Engineering,Italy) ,  Apiletti Daniele (Politecnico di Torino,Department of Control and Computer Engineering,Italy) ,  Colomba Luca (Politecnico di Torino,Department of Control and Computer Engineering,Italy) ,  Garza Paolo (Politecnico di Torino,Department of Control and Computer Engineering,Italy) ,  Baralis Elena (Politecnico di Torino,Department of Control and Computer Engineering,Italy)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2020  号： Big Data  ページ： 5786-5788  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： 未制御の山火事は,人々の安全を害する危険な事象である。近年のそれらの増加の影響とは対照的に,重要な作業は,影響を受けた地域の正確な検出と衛星画像からのそれらの損傷評価である。現在の最先端の解決策は,衛星取得における山火事を自動的に検出することができ,定義されたスケールから損傷指数を関連付ける二重畳込みニューラルネットワークを通してそのような問題を扱う。しかし,そのような深い学習モデル性能は多くの因子に強く依存する。本研究では,基本ニューラルネットワークで利用される損失関数,即ち,鍵パラメータに特に焦点を当てた。Dice-MSEに基づく最先端の解決策の他に,文献において提案された多くの損失関数の中で,分布ベースおよび領域ベースカテゴリの2つの代表として,それぞれ,バイナリ交差エントロピー(BCE)および連盟(IoU)のセクションに焦点を当てた。実験は,二重ステップU-Netアーキテクチャと結合したBCE損失関数が,ヨーロッパの山火事の公開されたデータセットに関する現在の最先端の解決策より良い結果を提供することを示した。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 ,  学習モデル ,  損失関数 ,  ニューラルネットワーク ,  ヨーロッパ ,  *衛星利用画像 ,  山火事 ,  計算機アーキテクチャ
準シソーラス用語： 野火 ,  損傷評価 ,  バイナリー ,  *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)： 衛星画像 ,  深層学習 ,  ネット ,  野火 ,  重症度分類