サブ開口分解による誘導深層学習:SAR画像からの海洋パターン【JST・京大機械翻訳】

Ristea Nicolae-Catalin; Anghel Andrei; Datcu Mihai; Chapron Bertrand

プレプリント

J-GLOBAL ID：202202211665928727 整理番号：22P0328860

サブ開口分解による誘導深層学習:SAR画像からの海洋パターン【JST・京大機械翻訳】

Guided deep learning by subaperture decomposition: ocean patterns from SAR imagery

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (4件)： , , ,
資料名：
発行年： 2022年04月09日プレプリントサーバーでの情報更新日： 2022年04月09日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

衛星搭載合成開口レーダは,ほぼすべての気象条件において,海洋表面粗さ日または夜のメートルスケール画像を提供できる。これは多くの地球物理学的応用に対するユニークな資産である。センチネル1SAR波モードベネットは,2014年以降,多くの重要な海洋および大気現象を捉えることができる。しかし,提供されるデータ量を考慮すると,拡張応用は,地球物理学的パラメータを自動的に処理し,抽出する戦略を必要とする。本研究では,SAR深層学習モデルの前処理段階としてサブ開口分解を適用することを提案した。著者らのデータセンタングアプローチは,ベースラインを0.7に上回り,TenGeoPSARwvデータセットに関する最先端技術を得た。さらに,著者らは,サブ開口分解が,教師なしセグメンテーション法のためのクラスタの数を上げることによって,元のビグネット上の付加的情報をもたらすことができることを経験的に示した。全体として,データセンタングアプローチの開発を奨励し,データ前処理が既存の深層学習モデルに対して顕著な性能改善をもたらすことを示す。【JST・京大機械翻訳】

, , , , , , , , ,
, , , , 【Automatic Indexing@JST】

リモートセンシング一般

, , , , ,

前のページに戻る