文献

J-GLOBAL ID：202202290947190469   整理番号：22A0456976

衛星画像からの熱帯低気圧検出のための深層学習フレームワーク【JST・京大機械翻訳】

A Deep Learning Framework for the Detection of Tropical Cyclones From Satellite Images

著者 (8件)： Nair Aravind (Centre for Atmospheric Sciences, IIT Delhi, New Delhi, India) ,  Srujan K. S. S. Sai (Centre for Atmospheric Sciences, IIT Delhi, New Delhi, India) ,  Kulkarni Sayali R. (Centre for Atmospheric Sciences, IIT Delhi, New Delhi, India) ,  Alwadhi Kshitij (Department of Electrical Engineering, IIT Delhi, New Delhi, India) ,  Jain Navya (Department of Chemical Engineering, IIT Delhi, New Delhi, India) ,  Kodamana Hariprasad (Department of Chemical Engineering, IIT Delhi, New Delhi, India) ,  Sandeep S. (Centre for Atmospheric Sciences, IIT Delhi, New Delhi, India) ,  John Viju O. (EUMETSAT, Darmstadt, Hessen, Germany)
資料名： IEEE Geoscience and Remote Sensing Letters  (IEEE Geoscience and Remote Sensing Letters)
巻： 19  ページ： ROMBUNNO.1004405.1-5  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： 熱帯低気圧(TCs)は熱帯海洋上に形成される最も破壊的な気象システムであり,毎年約90の嵐を形成する。TCのタイムリーな検出と追跡は,影響を受けた地域への高度な警報にとって重要である。これらの嵐は大陸から遠く離れた海洋にわたって形成されるので,リモートセンシングはそれらを検出する際に重要な役割を果たす。ここでは,新しい深層学習技術に基づく衛星画像からの自動TC検出を示した。本研究では,TCsの検出に対する多段深層学習フレームワークを提案した。2)風速フィルタ;および3)分類器の-畳込みニューラルネットワーク(CNN)。全パイプラインのハイパーパラメータを最適化し,Bayes最適化を用いて最良の性能を示した。結果は,試験画像に対して,提案した方式が高精度(97.10%),特異性(97.59%),および精度(86.55%)を与えることを示した。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： 最適化 ,  フィルタ ,  *熱帯低気圧 ,  風速 ,  気象 ,  海洋 ,  リモートセンシング ,  *熱帯 ,  大陸 ,  *衛星利用画像
準シソーラス用語： 高精度 ,  特異性 ,  ハイパーパラメータ ,  *深層学習 ,  畳込みニューラルネットワーク , 【Automatic Indexing@JST】

分類 (2件)： パターン認識  (JE07000S) ,  人工知能  (JE08000Z)

タイトルに関連する用語 (4件)： 衛星画像 ,  熱帯低気圧 ,  深層学習 ,  フレームワーク