文献

J-GLOBAL ID：202202233930610375   整理番号：22A0202752

TEMDnet:信号から画像への変換による過渡電磁信号のための新しい深層雑音除去ネットワーク【JST・京大機械翻訳】

TEMDnet: A Novel Deep Denoising Network for Transient Electromagnetic Signal With Signal-to-Image Transformation

著者 (6件)： Chen Kecheng (School of Computer Science and Engineering, University of Electronic Science and Technology of China (UESTC), Chengdu, China) ,  Pu Xiaorong (School of Computer Science and Engineering, University of Electronic Science and Technology of China (UESTC), Chengdu, China) ,  Ren Yazhou (School of Computer Science and Engineering, University of Electronic Science and Technology of China (UESTC), Chengdu, China) ,  Qiu Hang (School of Computer Science and Engineering, University of Electronic Science and Technology of China (UESTC), Chengdu, China) ,  Lin Fanqiang (Key Laboratory of Geo-Detection and Information Techniques of Ministry of Education, Chengdu University of Technology, Chengdu, China) ,  Zhang Saimin (Key Laboratory of Geo-Detection and Information Techniques of Ministry of Education, Chengdu University of Technology, Chengdu, China)
資料名： IEEE Transactions on Geoscience and Remote Sensing  (IEEE Transactions on Geoscience and Remote Sensing)
巻： 60  ページ： ROMBUNNO.5900318.1-18  発行年： 2022年 
JST資料番号： H0016B  ISSN： 0196-2892  CODEN： IGRSD2  資料種別： 逐次刊行物 (A)
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： 地球物理学における過渡電磁法(TEM)によって,かなりの探査深度と正確な地下特性を得ることができる。それにもかかわらず,コイルによって受信された時間領域TEM信号は,装置の環境バックグラウンドノイズ,人工雑音,および電子雑音によって容易に妨害される。最近,深層ニューラルネットワーク(DNN)を用いてTEM雑音除去問題を解き,従来法よりも優れた性能を達成した。しかしながら,DNNによる既存の雑音除去法は,完全に接続されたニューラルネットワークを採用し,従って,様々な信号スケールを扱うのに十分な柔軟性がない。これらの問題に取り組むために,TEM信号雑音除去タスクを画像雑音除去タスク(すなわち,TEMDnet)に変換する深い畳込みニューラルネットワーク(CNN)を有する新しい雑音除去フレームワークを提案した。特に,TEM信号の構造的特徴を保存するために,新しい信号対画像変換法を開発した。次に,新しい深いCNNベースの雑音除去器を提案して,特徴学習をさらに実行して,それにおいて,残差学習機構を採用して,種々の信号特徴のためにノイズ推定画像をモデル化した。大規模な実験は,提案したフレームワークが,中国,四川省,成都の埋立地浸出水処理施設からの模擬信号と実世界信号の両方に関する他の最先端の手法と比較して,はるかに良い性能を達成できることを証明した。モデルとコードはhttps://github.com/tonyckc/TEMDnet_demoで利用可能である。Copyright 2022 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： *雑音 ,  学習 ,  *ネットワーク ,  ニューラルネットワーク ,  残差 ,  地球物理学 ,  人工雑音 ,  構造特性 ,  画像変換 ,  *雑音除去
準シソーラス用語： 背景雑音 ,  雑音推定 ,  時間領域 ,  ディープニューラルネットワーク ,  畳込みニューラルネットワーク , 【Automatic Indexing@JST】

分類 (2件)： 図形・画像処理一般  (JE04010I) ,  医用画像処理  (JE04020T)

タイトルに関連する用語 (2件)： 深層 ,  雑音除去