文献

J-GLOBAL ID：202202262139606927   整理番号：22A0562518

重鉱物粒の画像分類のためのSiames Adversarialネットワーク【JST・京大機械翻訳】

Siamese Adversarial Network for image classification of heavy mineral grains

著者 (6件)： Hao Huizhen (Software Institute, Nanjing University, Nanjing, 210023, China) ,  Hao Huizhen (School of Information and Communication Engineering, Nanjing Institute of Technology, Nanjing, 211167, China) ,  Jiang Zhiwei (State Key Laboratory for Novel Software Technology, Nanjing University, Nanjing, 210023, China) ,  Ge Shiping (State Key Laboratory for Novel Software Technology, Nanjing University, Nanjing, 210023, China) ,  Wang Cong (State Key Laboratory for Novel Software Technology, Nanjing University, Nanjing, 210023, China) ,  Gu Qing (State Key Laboratory for Novel Software Technology, Nanjing University, Nanjing, 210023, China)
資料名： Computers & Geosciences  (Computers & Geosciences)
巻： 159  ページ： Null  発行年： 2022年 
JST資料番号： D0320B  ISSN： 0098-3004  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 顕微鏡画像に基づく重鉱物粒の同定は,同定の時間と経済コストを著しく減らすことができる。最近,鉱物画像のエンドツーエンド同定を実現するために,いくつかの深い学習モデルがある。しかし,鉱物画像の多様性と複雑性のため,既存のモデルは顕微鏡画像における重鉱物粒を正確に認識するのが難しい。ここでは,重鉱物粒の画像分類のためのSiamese Adversarial Network(SAN)を提案し,異なる盆地からの重鉱物画像のドメイン差に対処するのに初めて焦点を当てた。より詳細には,重い鉱物粒子の内部表現として,平面偏光と交差偏光画像の両方の特徴を抽出するために,Siamese特徴符号器を設計した。この特徴は,重鉱物分類器とドメイン識別子を訓練することによって,ドメイン関連情報を廃棄するために再構成される。3つの混合ドメイン実験の下のモデルの同定性能は,同じドメイン設定の下での性能より一貫して高く,著者らが提案したモデルが,非セエンスドメインに関して大きな一般化能力を達成することを示した。Copyright 2022 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *鉱物 ,  学習モデル ,  *ネットワーク ,  *分類 ,  *重鉱物 ,  *画像 ,  符号器 ,  再構成 ,  直線偏光 ,  エンドツーエンド方式 ,  モデル ,  盆地
準シソーラス用語： *画像分類 ,  複雑性 ,  顕微鏡画像 ,  識別子 , 【Automatic Indexing@JST】

著者キーワード (5件)： 重鉱物同定 ,  顕微鏡画像 ,  Siamesネットワーク ,  敵対的訓練 ,  ドメイン一般化

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

タイトルに関連する用語 (2件)： 重鉱物 ,  画像分類