文献

J-GLOBAL ID：202202255218147157   整理番号：22A1105065

自己教師つき深層学習を用いた天気認識【JST・京大機械翻訳】

Weather Recognition Using Self-supervised Deep Learning

著者 (3件)： Acuna-Escobar Diego (Departamento de Informatica y Ciencias de la Computacion, Escuela Politecnica Nacional, Quito, Ecuador) ,  Intriago-Pazmino Monserrate (Departamento de Informatica y Ciencias de la Computacion, Escuela Politecnica Nacional, Quito, Ecuador) ,  Ibarra-Fiallo Julio (Colegio de Ciencias e Ingenierias, Universidad San Francisco de Quito, Cumbaya, Ecuador)
資料名： Communications in Computer and Information Science  (Communications in Computer and Information Science)
巻： 1532  ページ： 161-174  発行年： 2022年 
JST資料番号： W5071A  ISSN： 1865-0929  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： ドイツ (DEU)  言語： 英語 (EN)

抄録/ポイント： 画像における気象の自動認識は,土地および航空交通制御,自律車両,道路安全警報,作物制御,屋外地域で撮影された画像の改善など,異なる分野で多くの重要な応用を持つ。大きい応用性にもかかわらず,この研究分野は,主に,各タイプの天候に対する決定論的特徴の抽出に関与する大きな課題と困難さのために,まだ詳細に調査されていない。いくつかの研究は,ちょうど2つのクラスを決定することができるバイナリ分類器の設計に関するそれらの努力に焦点を合わせてきた。特に,ターゲットクラスが画像において完全に排他的でないという事実において,困難がある。異なるクラスは同じ特徴を共有することができる。これまでの研究が直面する別の困難は,様々な気象条件をモデル化するための多数のラベル付き画像の必要性である。本研究では,ラベル付き画像の膨大な量の要求を減らすために,気象認識に適用された自己教師付き深層学習と呼ばれるアプローチを提案した。著者らのアーキテクチャ,ResNet-50実装は,事前訓練と微調整ステップの両方に対する自己監督されたアプローチで各ラベルなし画像の表現を得る責任がある。これらのステップ間のアーキテクチャを共有するための転送学習を用いた。著者らの結果は,0.8833の平均精度に達した。この結果に基づいて,自己監督学習はディジタル画像からの気象認識タスクにおいて高性能を得るための便利な解決策であると結論できる。Copyright Springer Nature Switzerland AG 2022 Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： パターン認識 ,  *天気 ,  *学習 ,  警報 ,  航空輸送 ,  気象 ,  農作物 ,  気象条件 ,  土地 ,  画像 ,  ディジタル画像 ,  計算機アーキテクチャ
準シソーラス用語： 自動認識 ,  決定論 ,  天候 ,  *深層学習 , 【Automatic Indexing@JST】

著者キーワード (5件)： 気象認識 ,  自己教師つき深層学習 ,  残差学習 ,  転移学習 ,  微調整

分類 (2件)： パターン認識  (JE07000S) ,  人工知能  (JE08000Z)

タイトルに関連する用語 (4件)： 自己 ,  教師 ,  深層学習 ,  天気