神戸大学附属図書館デジタルアーカイブ
入力補助
English
カテゴリ
学内刊行物
ランキング
アクセスランキング
ダウンロードランキング
https://doi.org/10.24546/81011543
このアイテムのアクセス数:
4
件
(
2024-04-26
04:10 集計
)
閲覧可能ファイル
ファイル
フォーマット
サイズ
閲覧回数
説明
81011543 (fulltext)
pdf
659 KB
6
メタデータ
ファイル出力
メタデータID
81011543
アクセス権
open access
出版タイプ
Version of Record
タイトル
衛星画像における分類精度の向上を目的としたCNNの導入および非学習領域への応用検証
その他のタイトル
Introduction of convolutional neural networks for improving classification accuracy in satellite images and its application to unknown areas
著者
吉原, 篤 ; 滝口, 哲也 ; 有木, 康雄
著者名
吉原, 篤
著者ID
A1279
研究者ID
1000040397815
KUID
https://kuid-rm-web.ofc.kobe-u.ac.jp/search/detail?systemId=b3ec2a1710d8267b520e17560c007669
著者名
滝口, 哲也
Takiguchi, Tetsuya
タキグチ, テツヤ
所属機関名
都市安全研究センター
著者ID
A0260
研究者ID
1000010135519
KUID
https://kuid-rm-web.ofc.kobe-u.ac.jp/search/detail?systemId=09a784b8ffbc912c520e17560c007669
著者名
有木, 康雄
Ariki, Yasuo
アリキ, ヤスオ
所属機関名
都市安全研究センター
収録物名
神戸大学都市安全研究センター研究報告
巻(号)
21
ページ
151-156
出版者
神戸大学都市安全研究センター
刊行日
2017-03
公開日
2019-05-30
抄録
地震や津波といった大規模な災害が発生した場合、安全な避難・救援ルートを迅速に把握することが必要不可欠なタスクとなる。近年、このタスクを実現するための研究が注目されており、このため、リモートセンシング技術を用いた衛星画像に対する被覆分類処理が行われている。しかし、大規模災害をタスクとして実用するには、この被覆分類の精度が十分でないという問題がある。そこで今回、被災前後の衛星画像に対する被覆分類結果と被災前の地図情報と重ね合わせることで、被災直後の詳細な状況地図の作成することを最終目標とし、そのための第一段階として、分類精度の向上手法の検討を行った。本論文では、近年あらゆる分野で注目されている畳み込みニューラルネットワーク(CNN : Convolutional Neural Networks)を導入し、精度向上を図った。また、2 つの分類器による精度の比較検証を行った。closed テストではわずかな向上が見られたが、非学習領域を用いた open テストではうまく分類することができなかった。主な原因として、学習データ数が少ないという問題が挙げられるため、これは今後の課題である。
Once large-scale disasters occur like earthquake and tsunami, it becomes very important task to secure safe evacuation and rescue routes. In this task, land cover classification can be performed on satellite images using remote sensing technology. But, there is a problem that the accuracy of these classification is still low in order to be practical in large-scale disasters. Therefore, we decided to create a detailed situation map right after the disaster by overlaying the cover classification result on the map information before the disaster. As a first step for this purpose, we propose a method to improve the classification accuracy. In this paper, we employ a convolutional neural networks (CNN) for feature extraction. Generally, in classification tasks, most of deep learning models employ the softmax activation. But, [1] shows that by simply replacing softmax with linear SVMs, it gives significant gain. So, we employ the RBF (Radial Basis Function) SVM for classification. From our closed test, we demonstrated that the classification method using SVM is slightly higher than softmax used in a general classification method using CNN. But, from open test result, it seems that Buildings were not classified well because the training data was small and the versatility was low. So, it is necessary to increase the number of training data and study of a new CNN model.
キーワード
リモートセンシング
衛星画像
地図情報
被覆分類
CNN
カテゴリ
都市安全研究センター
神戸大学都市安全研究センター研究報告
>
21号(2017-03)
紀要論文
詳細を表示
資源タイプ
departmental bulletin paper
言語
Japanese (日本語)
ISSN
1342-9167
OPACで所蔵を検索
CiNiiで学外所蔵を検索
NCID
AA11142997
OPACで所蔵を検索
CiNiiで表示
関連情報
URI
http://www.rcuss.kobe-u.ac.jp/publication/publication.html
ホームへ戻る