| 研究課題/領域番号 |
19K20309
|
|---|
| 研究種目 |
若手研究
|
| 配分区分 | 基金 |
|---|
| 審査区分 |
小区分61010:知覚情報処理関連
|
|---|
| 研究機関 | 国立研究開発法人理化学研究所 |
|---|
研究代表者 |
Xia Junshi 国立研究開発法人理化学研究所, 革新知能統合研究センター, 研究員 (00830168)
|
|---|
| 研究期間 (年度) |
2019-04-01 – 2022-03-31
|
| 研究課題ステータス |
完了 (2021年度)
|
| 配分額 *注記 |
4,160千円 (直接経費: 3,200千円、間接経費: 960千円)
2021年度: 1,170千円 (直接経費: 900千円、間接経費: 270千円)
2020年度: 1,430千円 (直接経費: 1,100千円、間接経費: 330千円)
2019年度: 1,560千円 (直接経費: 1,200千円、間接経費: 360千円)
|
|---|
| キーワード | disaster monitoring / multi-modality / deep forest / deep learning / Damage mapping / Machine learning / Multi-source datasets / Deep forest / Siamese networks / Disaster monitoring / Multi-temporal / Multi-modal / Remote sensing |
|---|
| 研究開始時の研究の概要 |
The outline of research is divided into three parts:
1) constructing the database of disasters;
2) developing Deep forest for disaster monitoring;
3) developing Deep transfer forest among different disasters.
|
| 研究成果の概要 |
マルチテンポラルおよびマルチモーダルの地球観測データと深層学習手法（CNN、深層森林、PU学習など）を用いて，災害被害マッピングの新たな手法を見出しました。また，異なるモダリティ学習：2つのモダリティ間で関連する機能を学習する方法についても学習しました。深層学習手法は，2018年スラウェシ島，スンダ海峡の地震や津波などの自然災害マッピングに適用でき，一部のトレーニングサンプル問題をも解決できるため，従来の手法より優れたパフォーマンスを発揮できます。
|
| 研究成果の学術的意義や社会的意義 |
本研究において、様々なセンサーから得られた地球観測データを用いて災害マッピングを調査できること、また深層学習手法を用いて分類能力を高めることの必要性について証明しました。実際には、教示データの欠如，観測データの不均一性，学習方法の能力などの次の課題により，災害被害マッピングの予測結果が低くなります。最も顕著な成果は，提案された方法がパフォーマンスを改善することが可能になったということです。
|
