文献

J-GLOBAL ID：202202278221373524   整理番号：22A0733530

河川デブリ検出のための学習アプローチ【JST・京大機械翻訳】

A learning approach for river debris detection

著者 (3件)： Sole Gomez Alex (Delft University of Technology, the Netherlands) ,  Scandolo Leonardo (Delft University of Technology, the Netherlands) ,  Eisemann Elmar (Delft University of Technology, the Netherlands)
資料名： International Journal of Applied Earth Observation and Geoinformation  (International Journal of Applied Earth Observation and Geoinformation)
巻： 107  ページ： Null  発行年： 2022年 
JST資料番号： W3181A  ISSN： 1569-8432  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： 海上におけるプラスチック汚染は,環境危険性であり,海洋ライフに否定的に影響して,世界中の経済損害を引き起こした。各年8百万トンのプラスチックが海に堆積し,大多数が河川から来ると推定される。近年,公的に利用可能な衛星画像を用いて,特殊化された手作業の特徴を用いて,浮遊プラスチック破片を追跡することを試みた。本研究では,高精度の河川における浮遊プラスチックデブリを検出できる衛星画像に基づく自動学習手法を提案した。このアプローチは,良く改良された画像セグメンテーションアーキテクチャ,U-Net(RonnebeRgerら,2015)およびDeeplabV3+(Chen et al., 2018)に基づいており,これは,高次元マルチスペクトル画像を処理する。このアプローチを訓練し試験するために,自動学習解を作成するための重要なステップである浮遊プラスチックデブリを含む世界中の異なる河川からの画像のデータセットも提示した。このネットワークの予測精度を試験し,提案アプローチが訓練セットで見られない領域からの画像中の浮き破片を正確に同定できることを示した。結果はまた,より広範なラベル付きデータセットが,いくつかのタイプの河川へのアプローチを一般化するために必要であることを示した。さらに,この解が,浮遊デブリ蓄積を理解し予測するために,時間にわたって単一領域をモニターするために,どのように使用できるかも示した。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： プラスチック ,  *学習 ,  セグメンテーション ,  ネットワーク ,  精度 ,  *河川 ,  画像処理 ,  海洋 ,  画像 ,  衛星利用画像 ,  高次元 ,  計算機アーキテクチャ ,  機械学習
準シソーラス用語： マルチスペクトル画像 ,  画像セグメンテーション ,  予測精度 , 【Automatic Indexing@JST】

著者キーワード (3件)： セグメンテーション ,  ハイパースペクトルイメージング ,  機械学習

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 (3件)： 河川 ,  デブリ ,  学習