| 講演名 | 2018-03-14 教師なしPolSAR地表分類のための自己組織化コードブックを用いた階層的四元数ニューラルネットワーク キム ヒョンス(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) | 本論文では、高分解能の偏波合成開口レーダ(polarimetric synthetic aperture radar: PolSAR)データが持つ詳細な偏波情報を十分に生かした教師なし地表分類を実現するため、自己組織化コードブックに基づく階層的な偏波特徴の生成法を提案する。PolSARは数十$rm{cm}$の高い分解能を実現するまでに至った。しかし、従来の手法は畑、森、町などの地表カテゴリーを区別するために、実空間の距離で10m~20m程度の空間平均を行う。高分解能のPolSARデータの分解能を落としては、分解能の向上による新規の地表カテゴリーの発見が期待できない。提案手法は、高分解能のPolSARデータの各ピクセルが持つ詳細な偏波特徴を保ちながら、畑、森などの地表カテゴリーも区別することで、人間が自然に区別できる畑、森などのラフな地表カテゴリーでの分類を実現した。そして、高分解能のPolSARデータだからこそ分類できる新規の詳細な地表カテゴリーの発見にも成功した。 |
| 抄録(英) | We propose a self-organizing codebook-based hierarchical polarization feature vector generation to realize an unsupervised land classification with PolSAR (polarimetric synthetic aperture radar) data. PolSAR has reached the high-resolution of decimeter level. Conventional methods perform the spatial averaging in 10m to 20m square real-space area to classify observed land into categories such as farm, forest, and town. However, with this averaging, we can not expect to discover new detailed land classes by resolution improvement, since the resolution of the PolSAR data is lowered in the averaging process. Our proposal in this paper generates feature vectors useful for classifying the land pieces into categories while preserving the detailed polarization features in respective pixels of the high-resolution PolSAR data. Then, the method discovers the new detailed land classes that can be available only in the high-resolution PolSAR data. |
| キーワード(和) | 偏波合成開口レーダ(PolSAR) / 教師なし地表分類 / 高解像度 / 階層的偏波特徴 / 四元数ニューラルネットワーク / ポアンカレパラメータ / オートエンコーダ / 自己組織化マップ(SOM) |
| キーワード(英) | polarimetric synthetic aperture radar (PolSAR) / unsupervised land classification / high-resolution / hierarchical polarization feature / quaternion neural networks / Poincare parameter / auto-encoder / self-organizing map (SOM) |
| 資料番号 | NC2017-88 |
| 発行日 | 2018-03-06 (NC) |
| 研究会情報 | |
| 研究会 | MBE / NC |
|---|---|
| 開催期間 | 2018/3/13(から2日開催) |
| 開催地（和） | 機械振興会館 |
| 開催地（英） | Kikai-Shinko-Kaikan Bldg. |
| テーマ（和） | ME，一般 |
| テーマ（英） | ME, general |
| 委員長氏名（和） | 中島 一樹(富山大) / 萩原 将文(慶大) |
| 委員長氏名（英） | Kazuki Nakajima(Univ. of Toyama) / Masafumi Hagiwara(Keio Univ.) |
| 副委員長氏名（和） | 京相 雅樹(東京都市大) / 平田 豊(中部大) |
| 副委員長氏名（英） | Masaki Kyoso(TCU) / Yutaka Hirata(Chubu Univ.) |
| 幹事氏名（和） | 高野 博史(富山県立大) / 永岡 隆(近畿大) / 青西 亨(東工大) / 吉川 大弘(名大) |
| 幹事氏名（英） | Hironobu Takano(Toyama Pref. Univ.) / Takashi Nagaoka(Kindai Univ.) / Toru Aonishi(Tokyo Inst. of Tech.) / Tomohiro Yoshikawa(Nagoya Univ.) |
| 幹事補佐氏名（和） | 金 主賢(富山大) / 小林 匠(横国大) / 篠沢 佳久(慶大) / 稲垣 圭一郎(中部大) |
| 幹事補佐氏名（英） | Kim Juhyon(Univ. of Toyama) / Takumi Kobayashi(YNU) / Yoshihisa Shinozawa(Keio Univ.) / Keiichiro Inagaki(Chubu Univ.) |
| 講演論文情報詳細 | |
| 申込み研究会 | Technical Committee on ME and Bio Cybernetics / Technical Committee on Neurocomputing |
|---|---|
| 本文の言語 | JPN |
| タイトル（和） | 教師なしPolSAR地表分類のための自己組織化コードブックを用いた階層的四元数ニューラルネットワーク |
| サブタイトル（和） | |
| タイトル（英） | Hierarchical quaternion neural networks with self-organizing codebook for unsupervised 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） | 教師なし地表分類 / unsupervised land classification |
| キーワード(3)（和/英） | 高解像度 / high-resolution |
| キーワード(4)（和/英） | 階層的偏波特徴 / hierarchical polarization feature |
| キーワード(5)（和/英） | 四元数ニューラルネットワーク / quaternion neural networks |
| キーワード(6)（和/英） | ポアンカレパラメータ / Poincare parameter |
| キーワード(7)（和/英） | オートエンコーダ / auto-encoder |
| キーワード(8)（和/英） | 自己組織化マップ(SOM) / self-organizing map (SOM) |
| 第 1 著者 氏名（和/英） | キム ヒョンス / Hyunsoo Kim |
| 第 1 著者 所属（和/英） | 東京大学(略称：東大) The University of Tokyo(略称：Tokyo Univ.) |
| 第 2 著者 氏名（和/英） | 廣瀬 明 / Akira Hirose |
| 第 2 著者 所属（和/英） | 東京大学(略称：東大) The University of Tokyo(略称：Tokyo Univ.) |
| 発表年月日 | 2018-03-14 |
| 資料番号 | NC2017-88 |
| 巻番号（vol） | vol.117 |
| 号番号（no） | NC-508 |
| ページ範囲 | pp.121-126(NC), |
| ページ数 | 6 |
| 発行日 | 2018-03-06 (NC) |