| 研究課題/領域番号 |
19K12043
|
|---|
| 研究種目 |
基盤研究(C)
|
| 配分区分 | 基金 |
|---|
| 応募区分 | 一般 |
|---|
| 審査区分 |
小区分61010:知覚情報処理関連
|
|---|
| 研究機関 | 長崎大学 |
|---|
研究代表者 |
喜安 千弥 長崎大学, 情報データ科学部, 教授 (20234388)
|
|---|
| 研究分担者 |
酒井 智弥 長崎大学, 工学研究科, 准教授 (30345003)
薗田 光太郎 長崎大学, 工学研究科, 助教 (90415852)
|
|---|
| 研究期間 (年度) |
2019-04-01 – 2022-03-31
|
| キーワード | 半教師付き分類 / リモートセンシング / マルチスペクトル画像 |
|---|
| 研究成果の概要 |
マルチスペクトル画像の教師つき分類において，限られた教師データでカテゴリー分類の精度を改善する半教師つきアルゴリズムを開発した．SVM(Support Vector Machine)アルゴリズムを組み合わせて多クラス分類を行ったときの誤分類の発生状態を把握し，２クラス分類を拡張した半教師つきSVMの実用的な解法をリモートセンシング画像に適用した．また，半教師つき分類の精度を向上させるために，処理に用いるラベルなしデータをあらかじめ選択し，特徴空間におけるスペクトル間の距離と画素データの空間的な配置を同時に考慮して精度の向上を図った．
|
| 自由記述の分野 |
パターン情報処理工学
|
| 研究成果の学術的意義や社会的意義 |
航空機や人工衛星に搭載したセンサを用いて，リモートセンシングにより地表の状態を把握することは非常に有益な方法であるが，処理に必要なトレーニングデータが十分に得られないことが，精度向上の大きな妨げとなっていた．本研究では半教師付きトランスダクティブ手法を適用することでその解決を図り，半教師付きSVMアルゴリズムを応用して，分光的および空間的なデータの特徴を考慮しながらトレーニングデータ拡張することで，地表対象物を精度よく識別する方法を提案した．
|
