文献

J-GLOBAL ID：202202266821340114   整理番号：22A1058117

氷河輪郭抽出のためのマルチスケールジョイント深層ニューラルネットワーク【JST・京大機械翻訳】

A Multiscale Joint Deep Neural Network for Glacier Contour Extraction

著者 (4件)： Liu Jinzhou (Chinese Academy of Sciences, Quanzhou Institute of Equipment Manufacturing Haixi Institutes, Quanzhou City, Fujian Province, China) ,  Fang Li (Chinese Academy of Sciences, Quanzhou Institute of Equipment Manufacturing Haixi Institutes, Quanzhou City, Fujian Province, China) ,  Shen Huifang (Chinese Academy of Sciences, Quanzhou Institute of Equipment Manufacturing Haixi Institutes, Quanzhou City, Fujian Province, China) ,  Zhou Shudong (Chinese Academy of Sciences, Quanzhou Institute of Equipment Manufacturing Haixi Institutes, Quanzhou City, Fujian Province, China)
資料名： Canadian Journal of Remote Sensing  (Canadian Journal of Remote Sensing)
巻： 48  号： 1  ページ： 93-106  発行年： 2022年 
JST資料番号： W5800A  ISSN： 0703-8992  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： イギリス (GBR)  言語： 英語 (EN)

抄録/ポイント： 氷河地域変化の迅速で正確な取得は,氷河の研究にとって非常に重要である。すべての衛星画像の中で,合成開口レーダ(SAR)データは,厳しい気象条件における氷河のモニタリングにおいて大きな利点を有する。通常,氷河境界は画像上で手動で描写されている。しかし,これは,特に大面積データのバッチプロセスにおいて,時間のかかるプロセスである。本論文では,単一偏光SAR強度画像を用いた大規模氷河輪郭抽出のためのマルチスケール共同深層ニューラルネットワーク(MJ-DNN)を提案した。U-Netに基づいて,提案方法を3つの側面で改良した。第1に,ダウンサンプリング部分との畳み込みの代わりに,Atous Separable Convolutionを用いた。第2に,マルチスケールで情報を得るためのマルチスケール結合畳込み層を提案する。第3に,著者らはより高いレベル特性のために残差接続構造によってネットワークを深めた。最終層では,条件付きランダム場法によりネットワーク結果を最適化した。この手法を検証するために,3つの氷河でテストし,並列で4つの異なる方法のセグメンテーション結果を比較した。結果は,提案した方法の結合上の交差が最も効率的なことを示した。Please refer to the publisher for the copyright holders. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 最適化 ,  畳込み ,  偏光 ,  セグメンテーション ,  *ネットワーク ,  バッチ処理 ,  境界 ,  残差 ,  気象条件 ,  *氷河 ,  画像 ,  衛星利用画像 ,  合成開口レーダ
準シソーラス用語： *輪郭抽出 ,  *マルチスケール , 【Automatic Indexing@JST】

分類 (1件)： 雪氷学  (DC08000N)

タイトルに関連する用語 (3件)： 氷河 ,  輪郭抽出 ,  深層ニューラルネットワーク