文献

J-GLOBAL ID：202202268594453388   整理番号：22A0589933

地震後空中画像に由来するハイブリッド深層学習特徴表現による損傷分類の改善【JST・京大機械翻訳】

Improving damage classification via hybrid deep learning feature representations derived from post-earthquake aerial images

著者 (5件)： Settou Tarablesse (Department of Computer Science, University of El Oued, El Oued, Algeria) ,  Settou Tarablesse (Laboratory of Operator Theory and EDP: Foundations and Application, University of El Oued, Algeria) ,  Kholladi Mohamed-Khireddine (Department of Computer Science, University of El Oued, El Oued, Algeria) ,  Kholladi Mohamed-Khireddine (MISC Laboratory of Constantine 2, University of Constantine 2, Algeria) ,  Ben Ali Abdelkamel (Department of Computer Science, University of El Oued, El Oued, Algeria)
資料名： International Journal of Image and Data Fusion  (International Journal of Image and Data Fusion)
巻： 13  号： 1  ページ： 1-20  発行年： 2022年 
JST資料番号： W5903A  ISSN： 1947-9832  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： 地震後の重要な問題の一つは,損傷地域を迅速かつ正確に検出し,同定する方法である。地震被害分類のためのリモートセンシング(RS)画像を解析するために,いくつかの自動化方法を開発した。損傷分類の性能は,主に強力な学習特徴表現に依存する。手作業特徴はある程度満足な性能を達成できるが,性能利得は小さく,よく一般化されない。最近,畳み込みニューラルネットワーク(CNN)は,多くのドメインで手作業特徴より強力な特徴表現を導く能力を実証した。本論文の主な貢献は,地震損傷分類のためのいくつかの事前訓練CNNモデルから導かれたハイブリッド特徴表現の調査である。また,本研究では,以前の研究とは対照的に,特定のCNNモデルの最後の2つの完全接続層から抽出した特徴表現の組合せを調べた。シーン特性,照明条件,および画像特性において高度に変化する画像を含む2つの大規模データセットに関する提案を,異なる地震事象といくつかの地理的位置から捉えた。大規模な実験は,提案が性能を著しく改良できることを示した。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： *表現 ,  自動化 ,  *学習 ,  分類 ,  照明条件 ,  *地震 ,  *画像 ,  画像特性 ,  リモートセンシング ,  利得 ,  震災 ,  *機械学習
準シソーラス用語： *空中画像 ,  大規模データセット ,  *特徴表現 ,  *深層学習 ,  畳込みニューラルネットワーク , 【Automatic Indexing@JST】

著者キーワード (5件)： リモートセンシング ,  地震被害分類 ,  ハイブリッド特徴表現 ,  予歪CNN ,  深層学習

分類 (3件)： パターン認識  (JE07000S) ,  ニューロコンピュータ  (JC06010Q) ,  人工知能  (JE08000Z)

タイトルに関連する用語 (6件)： 地震 ,  空中画像 ,  深層学習 ,  特徴表現 ,  損傷 ,  分類