| 講演名 | 2021-11-05 四元数畳み込みニューラルネットワークを用いた偏波合成開口レーダ画像の地表分類 ?本 侑也(東大), 夏秋 嶺(東大), 廣瀬 明(東大), |
|---|---|
| PDFダウンロードページ |  PDFダウンロードページへ |
| 抄録(和) | 我々は偏波合成開口レーダ(Polarimetric synthetic aperture radar : PolSAR) 画像の地表分類に四元数畳み込みニューラルネットワーク(Quaternion convolutional neural networks: QCNN) を用いることを提案する．QCNNは従来の実数のCNN(real-valued convolutional neural network: RVCNN) と異なり，畳み込み計算の際に入力ベクトルの成分同士を単純に足し合わせない．QCNN は成分間に直交変換を行って畳み込み計算を行い，それによって入力ベクトルの成分間の関係を学習することができる．また通常のCNN と同様，空間的なテクスチャを学習に含めることができる．実験では，全結合型の四元数ニューラルネットワーク，RVCNN，QCNN の比較を行った．実験の結果，提案手法であるQCNN が最も高い分類性能を示した．また，QCNN の四元数カーネルを可視化することで，QCNN のような四元数の回転とスケーリングによる畳み込み計算でも空間的なテクスチャを抽出できることを示す． |
| 抄録(英) | We propose a quaternion convolutional neural network (QCNN) for Polarimetric synthetic aperture radar(PolSAR) land classification. Unlike a conventional real-valued CNN (RVCNN), a QCNN does not simply sum up thecomponents of input vectors in the convolutional processing. A QCNN performs an orthogonal transformation to thecomponents of input vectors by quaternionic rotation and scaling to learn the relationship between them. A QCNNalso can learn spatial textures of input data as well as a conventional RVCNN. In our experiments, we compare threeneural networks, namely, a fully-connected quaternion neural network (QNN), a RVCNN, and our proposed QCNN. Asexperimental results, our proposed QCNN show the best classification performance. We also show that quaternionicconvolution can extract spatial texture by visualizing quaternion kernels. |
| キーワード(和) | 偏波合成開口レーダ (PolSAR) / 畳み込みニューラルネットワーク (CNN) / 四元数ニューラルネットワーク (QNN) |
| キーワード(英) | Polarimetric synthetic aperture radar (PolsAR) / convolutional neural network (CNN) / quaternion neural network (QNN) |
| 資料番号 | EMT2021-43 |
| 発行日 | 2021-10-28 (EMT) |
| 研究会情報 | |
| 研究会 | EMT / IEE-EMT |
|---|---|
| 開催期間 | 2021/11/4(から2日開催) |
| 開催地（和） | オンライン開催 |
| 開催地（英） | Online |
| テーマ（和） | 電磁界理論一般 |
| テーマ（英） | Electromagnetic Theory, etc. |
| 委員長氏名（和） | 出口 博之(同志社大) / 松島 章(熊本大) |
| 委員長氏名（英） | Hiroyuki Deguchi(Doshisha Univ.) / Akira Matsushima(Kumamoto Univ.) |
| 副委員長氏名（和） | 川口 秀樹(室蘭工大) |
| 副委員長氏名（英） | Hideki Kawaguchi(Muroran Inst. of Tech) |
| 幹事氏名（和） | 中 良弘(宮崎大) / 山本 伸一(三菱電機) / 川口 秀樹(室蘭工大) / 鈴木 敬久(都立大) |
| 幹事氏名（英） | Yoshihiro Naka(Miyazaki Univ.) / Shinichi Yamamoto(Mitsubishi Electric) / Hideki Kawaguchi(Muroran IT) / Yukihisa Suzuki(Tokyo Metropolitan Univ.) |
| 幹事補佐氏名（和） | 新納 和樹(京大) / 杉坂 純一郎(北見工大) |
| 幹事補佐氏名（英） | Kazuki Niino(Kyoto Univ.) / Junichiro Sugisaka(Kitami Inst. of Tech.) |
| 講演論文情報詳細 | |
| 申込み研究会 | Technical Committee on Electromagnetic Theory / Technical Meeting on Electromagnetic Theory |
|---|---|
| 本文の言語 | JPN |
| タイトル（和） | 四元数畳み込みニューラルネットワークを用いた偏波合成開口レーダ画像の地表分類 |
| サブタイトル（和） | |
| タイトル（英） | Quaternion convolutional neural networks for PolSAR land classification |
| サブタイトル（和） | |
| キーワード(1)（和/英） | 偏波合成開口レーダ (PolSAR) / Polarimetric synthetic aperture radar (PolsAR) |
| キーワード(2)（和/英） | 畳み込みニューラルネットワーク (CNN) / convolutional neural network (CNN) |
| キーワード(3)（和/英） | 四元数ニューラルネットワーク (QNN) / quaternion neural network (QNN) |
| 第 1 著者 氏名（和/英） | ?本 侑也 / Yuya Matsumoto |
| 第 1 著者 所属（和/英） | 東京大学(略称：東大) The University of Tokyo(略称：UTokyo) |
| 第 2 著者 氏名（和/英） | 夏秋 嶺 / Ryo Natsuaki |
| 第 2 著者 所属（和/英） | 東京大学(略称：東大) The University of Tokyo(略称：UTokyo) |
| 第 3 著者 氏名（和/英） | 廣瀬 明 / Akira Hirose |
| 第 3 著者 所属（和/英） | 東京大学(略称：東大) The University of Tokyo(略称：UTokyo) |
| 発表年月日 | 2021-11-05 |
| 資料番号 | EMT2021-43 |
| 巻番号（vol） | vol.121 |
| 号番号（no） | EMT-226 |
| ページ範囲 | pp.76-81(EMT), |
| ページ数 | 6 |
| 発行日 | 2021-10-28 (EMT) |