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。
海洋養殖のタイムリーなモニタリングは,海洋生態学的保護と海洋安全性と安全性のためにかなり重大であった。教師つき学習は,多数の訓練サンプルに頼る必要があること,および,ラバー養殖ゾーンの集中的および規則的分布の特性に頼る必要があることを考慮して,本論文では,完全畳み込みニューラルネットワークおよび条件付きランダム場(FCN-CRF)に基づく不正確な教師付き分類モデルを,江蘇省,Lianyungangにおけるラバー養殖ゾーンの研究用に設計した。提案モデルは,水産養殖区域を抽出でき,同時に, l養殖網の面積と量を計算することができる。FCNは,訓練ラベルを大まかにすることによって,ラバー養殖区域を抽出するために使用した。次に,CRFを用いて,高精度で分離したラバー養殖網を抽出した。結果は,提案モデルのkが0.984であり,F1が0.99であり,認識効果が顕著であることを示した。ラベル生産のために,フォールトトレランス率は高く,最終分類精度に影響を及ぼさず,それによってより多くのラベル生産時間を節約する。この知見は,海洋生態学的監視と海洋交通管理のための技術的支援と同様に,将来の水産養殖収量推定と沖合資源計画のためのデータ基礎を提供する。Copyright 2021 The Author(s) All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】