文献

J-GLOBAL ID：202202289984398357   整理番号：22A0457066

土地被覆分類のためのアクティブ学習下の深層学習ベースクロスセンサドメイン適応【JST・京大機械翻訳】

Deep Learning-Based Cross-Sensor Domain Adaptation Under Active Learning for Land Cover Classification

著者 (3件)： Kalita Indrajit (Department of Computer Science and Engineering, Indian Institute of Information Technology Guwahati, Guwahati, India) ,  Sai Kumar Runku Nikhil (Department of Computer Science and Engineering, Indian Institute of Information Technology Guwahati, Guwahati, India) ,  Roy Moumita (Department of Computer Science and Engineering, Indian Institute of Information Technology Guwahati, Guwahati, India)
資料名： IEEE Geoscience and Remote Sensing Letters  (IEEE Geoscience and Remote Sensing Letters)
巻： 19  ページ： ROMBUNNO.6005005.1-5  発行年： 2022年 
JST資料番号： W1397A  ISSN： 1545-598X  CODEN： IGRSBY  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： 交差センサリモートセンシングデータは,従来の土地被覆分類(LCC)モデルの性能劣化に著しい影響を与える。これは,異なる衛星(多様な画像解像度と異なる地理的位置)から収集されたデータの異なる確率分布に起因する。これを解決するために,ハイパースペクトルおよび空中画像データセットを用いて,2つのソース→ターゲットシナリオを考慮することにより,交差センサドメイン適応(DA)戦略を検討した。開始時に,特徴次元と利用可能なサンプル数に関して,交差センサデータをバランスさせるための”試料”(必要な場合)戦略による特徴抽出(FE)を提案した。その後,標準偏差(SD)ベースアクティブ学習(AL)技術を,ラベル付きソース画像を利用して,”最情報”ターゲットサンプルを得るために研究した。最後に,ラベル付きソースと「最も情報的」ターゲットサンプルを,マルチセンサフレームワークの下で土地被覆クラスを予測するために使用する分類器を訓練するために併合した。実験結果は,交差センサ環境下でDA問題を扱うための提案方式に対して有望であることが分かった。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： 標準偏差 ,  確率分布 ,  特徴抽出 ,  地理学 ,  センサ ,  *土地被覆
準シソーラス用語： *能動学習 ,  ハイパースペクトル ,  マルチセンサ ,  空中画像 ,  *土地被覆分類 ,  センサデータ ,  *深層学習 , 【Automatic Indexing@JST】

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 (4件)： 土地被覆分類 ,  アクティブ学習 ,  深層学習 ,  適応