文献

J-GLOBAL ID：202202273738078568   整理番号：22A0696668

運用氷チャートを用いた海氷濃度推定への畳込みニューラルネットワーク訓練時のラベル誤差の説明【JST・京大機械翻訳】

Accounting for Label Errors When Training a Convolutional Neural Network to Estimate Sea Ice Concentration Using Operational Ice Charts

著者 (3件)： Tamber Manveer Singh (David R. Cheriton School of Computer Science, University of Waterloo, Waterloo, ON, Canada) ,  Scott K. Andrea (Department of Systems Design Engineering, University of Waterloo, Waterloo, ON, Canada) ,  Pedersen Leif Toudal (DTU Space, Technical University of Denmark, Kongens Lyngby, Denmark)
資料名： IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing  (IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing)
巻： 15  ページ： 1502-1513  発行年： 2022年 
JST資料番号： W2259A  ISSN： 1939-1404  CODEN： IJSTHZ  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： 畳み込みニューラルネットワーク(CNN)は,自動化された方法で合成開口レーダ(SAR)から海氷濃度を抽出する手段としてますます研究されている。これは,訓練データとして氷チャートを用いてしばしば行われる。しかし,これらのチャートにおいて,氷濃度ラベルは,CNNの予測スケールで空間的に均一な海氷濃度分布を持たない大きな地域に対して与えられる。これは,中間海氷濃度においてより顕著になる代表誤差をもたらす。本研究では,中間氷濃度に対するラベル不確実性を説明する改良予測を得るために,氷チャートラベルを摂動する方法を最初に調査した。次に,SAR画像における情報を再スケーリングすることによって,氷チャートデータを強化する方法を提案した。この方法は,0.919から0.966までの精度改善で,氷チャートラベルのみの使用と比較して,精度の改善につながることが分かった。また,拡張ラベルを持つ海氷濃度マップは,評価した他の手法よりも非常に微細な詳細を有した。これらの詳細はSARデータから予想される海氷濃度と視覚的に一致する。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： 視覚 ,  自動化 ,  データ ,  不確実性 ,  濃度分布 ,  *海氷 ,  レーダ画像 ,  合成開口レーダ
準シソーラス用語： 訓練データ ,  SAR画像 ,  *畳込みニューラルネットワーク , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (10件)： 運用 ,  氷 ,  チャート ,  海氷 ,  推定 ,  畳込みニューラルネットワーク ,  訓練 ,  ラベル ,  誤差 ,  説明