文献

J-GLOBAL ID：202102271622272794   整理番号：21A0670369

深層学習戦略を用いた大面積秋作型製品の開発【JST・京大機械翻訳】

Develop Large-Area Autumn Crop Type Product Using a Deep Learning Strategy

著者 (4件)： Xu Qing (State Key Laboratory of Earth Surface Processes and Resource Ecology, Beijing Normal University,Beijing,China,100875) ,  Zhang Jinshui (State Key Laboratory of Earth Surface Processes and Resource Ecology, Beijing Normal University,Beijing,China,100875) ,  Zhang Feng (State Key Laboratory of Earth Surface Processes and Resource Ecology, Beijing Normal University,Beijing,China,100875) ,  Zhu Shuang (Beijing Polytechnic College,Beijing,China,100042)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2020  号： IGARSS  ページ： 4673-4676  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： 高分解能の広域にわたる正確な作物型地図は,国家食品生産セキュリティにおいて重要な役割を担っている。しかし,従来の分類法は,データ前処理,特徴選択,および様々な分類器決定を含む複雑なプロセスに大きく依存しており,高い労働コストと時間消費をもたらすため,これまで大きな面積の作物カバーデータ製品はない。これらの課題を克服するため,大規模の秋作物型地図を作成するための深層学習戦略を創造的に導入した。中国,遼寧省からの標準GF-1中分解能画像(16m)を訓練するために畳み込みニューラルネットワークモデルを用いて,著者らは基本モデルを作成した。次に,著者らは,遼寧省内の秋作物を予測するために基本モデルを適用し,さらに吉林省内の秋作物(米とトウモロコシ)を予測した。そして,両省は,遼寧省で89.9%,吉林で84.1%の総合精度を満たした。深層学習戦略が広域作物マッピングに対する有効な解決策であり,政策決定,研究および農業管理の要求を満たすために,毎年大規模作物型製品を開発する道を拓くことができると結論づけることができる。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： 農業 ,  労務費 ,  農作物 ,  分解能 ,  *秋 ,  特徴選択 ,  高分解能 ,  セキュリティ
準シソーラス用語： 政策決定 ,  分類法 ,  遼寧省 ,  *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 (4件)： 深層学習 ,  戦略 ,  大面積 ,  開発