文献
J-GLOBAL ID:202102265867001451   整理番号:21A1152425

ニューラルネットワークによるサイドスキャンソナーモザイクにおけるBoulderの検出【JST・京大機械翻訳】

Detection of Boulders in Side Scan Sonar Mosaics by a Neural Network
著者 (4件):
資料名:
巻:号:ページ: 159  発行年: 2019年 
JST資料番号: U7195A  ISSN: 2076-3263  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:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
かびは陸棚海で生態学的に重要な硬地を提供し,ヨーロッパ生息地指令の下で保護された生息場所を形成する。海底上のボーダーは,通常,高い後方散乱強度の特徴パターンと音響陰影により,後方散乱モザイクで認識できる。モザイクに関する bの手動同定は,退屈で主観的であり,自動化から利益を得ることができる。本研究では,384kHzで動作するサイドスキャン-ソナーから導出された後方散乱モザイクにおいて,ニューラルネットワークバックボーン(ResNet)に基づいて,オブジェクト検出フレームワーク(RetinaNet)を訓練する。4617人のブルダーと2005年の陰性例を含む訓練データセットを用いて,RetinaNetを訓練した。訓練されたモデルを,Kriegers Flak地域(Baltic海)に位置する試験地域に適用し,その結果をエキスパート分析によるモザイク解釈と比較した。水柱ノイズと人工プラウマークの境界のいくつかの誤分類が起こるが,訓練されたモデルの結果は人間の解釈に匹敵する。訓練されたモデルは,より正確に高い数のブルダーを同定したが,人間の解釈者は,77画素未満の境界ボックスから成るより小さな物体を認識する利点を有した。最良のモデルと専門家分析間のほぼ同一の性能が,10,000m2以上の3つのクラス(0,15,5以上)にブルダー密度を分類するときに見出され,最良の性能モデルは90%のヒト解釈との一致に達した。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:
シソーラス用語/準シソーラス用語
文献のテーマを表すキーワードです。
部分表示の続きはJDreamⅢ(有料)でご覧いただけます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。

分類 (1件):
分類
JSTが定めた文献の分類名称とコードです
海洋地質学 
引用文献 (46件):
もっと見る
タイトルに関連する用語 (3件):
タイトルに関連する用語
J-GLOBALで独自に切り出した文献タイトルの用語をもとにしたキーワードです

前のページに戻る