文献

J-GLOBAL ID：202202225425222778   整理番号：22A0995695

畳込みニューラルネットワークに基づくリモートセンシング画像水抽出【JST・京大機械翻訳】

Water extraction from remote sensing images based on CNN

著者 (4件)： Zhang Mingfei (北京信息科技大学伝感器北京市重点実験室,北京100101;北京信息科技大学現代測控技術教育部重点実験室,北京100192;伝感器聯合国家重点実験室中国科学院空天信息創新研究院,北京100190) ,  Gao Guowei (北京信息科技大学伝感器北京市重点実験室,北京100101;北京信息科技大学現代測控技術教育部重点実験室,北京100192) ,  Hu Jingfang (北京信息科技大学伝感器北京市重点実験室,北京100101;北京信息科技大学現代測控技術教育部重点実験室,北京100192;伝感器聯合国家重点実験室中国科学院空天信息創新研究院,北京100190) ,  Song Yu (北京信息科技大学伝感器北京市重点実験室,北京100101;北京信息科技大学現代測控技術教育部重点実験室,北京100192;伝感器聯合国家重点実験室中国科学院空天信息創新研究院,北京100190)
資料名： Chuanganqi yu Wei Xitong  (Chuanganqi yu Wei Xitong)
巻： 41  号： 1  ページ： 72-74,88  発行年： 2022年 
JST資料番号： C3686A  ISSN： 1000-9787  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 中国 (CHN)  言語： 中国語 (ZH)

抄録/ポイント： リモートセンシング画像に基づく表面水資源変化を監視するために,深さ学習のフレームワークの下で,畳込みニューラルネットワーク(CNN)に基づくリモートセンシング画像水抽出のためのモデルを提案する。ネットワーク爬虫の方法を利用して、リモートセンシング画像を収集し、ランダム剪定、データ洗浄などの方式で訓練、検証とテストデータセットを構築した。低レベルのセマンティック特徴学習によって抽象的な高層特徴を抽出し、抽出した高層特徴に基づいてネットワークモデル訓練を行う。実験結果は,水抽出の精読精度が96.28%に達し,リモートセンシング画像の水抽出に対する提案モデルの実現可能性と有効性を証明した。Data from Wanfang. Translated by JST.【JST・京大機械翻訳】

シソーラス用語： 学習 ,  データ ,  *ネットワーク ,  *ニューラルネットワーク ,  *画像 ,  表面水 ,  有効性 ,  上層
準シソーラス用語： ネットワークモデル ,  試験データ ,  水抽出 ,  *リモートセンシング画像 ,  *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 (3件)： 畳込みニューラルネットワーク ,  リモートセンシング画像 ,  水抽出