| 研究課題/領域番号 |
20H02417
|
|---|
| 研究機関 | 山口大学 |
|---|
研究代表者 |
多田村 克己 山口大学, 大学院創成科学研究科, 教授 (30236533)
|
|---|
| 研究分担者 |
佐村 俊和 山口大学, 大学院創成科学研究科, 准教授 (30566617)
福士 将 山口大学, 大学院創成科学研究科, 教授 (50345659)
間普 真吾 山口大学, 大学院創成科学研究科, 教授 (70434321)
|
|---|
| 研究期間 (年度) |
2020-04-01 – 2024-03-31
|
| キーワード | リモートセンシング / 衛星SAR / 自然災害発災検知 / 機械学習 / 深層学習 / 防災・減災情報システム |
|---|
| 研究実績の概要 |
サブテーマごとに説明する．(1)差分データ生成手法開発とデータベース化，(2)緊急観測データの高速な加工手法と発災判定結果の高速生成・収集方法の開発：昨年度までに開発した正常時データのデータベース構築用サブシステムと緊急観測データから発災判定小領域を指定順に切り出し，正常時用のデータとペアにして識別器の入力とする手法，および緊急観測データ受信時に優先度付きで観測データの切り出しとそれを用いた発災判定を行うためのユーザインタフェースを備えたシステムの改良を行い動作を検証した．サイズの小さいレベル2.1の信号強度画像を加工元データに利用したとしても1.4ギガバイト程度の大きさとなることが原因で，緊急性が高く優先して処理する必要のある小領域は，並列処理が馴染まず緊急観測データ受信後直ちに順次処理により切り出す方法が最も高速かつ安定して処理できることを確認した．
(3)自然災害発生識別器開発：これまでに提案してきた，畳み込み自己符号化器付きU-netによる土砂災害領域抽出（セグメンテーション）モデルにおいて，土砂災害発生前後の広範囲なSAR画像を用いた教師なし事前学習を組み込むことで、SAR画像に含まれる多様な特徴を抽出可能な方式を開発した．土砂災害が発生した領域外のデータを効果的に活用でき，有意な性能向上を示すことを確認した．
(4)Vision Transformerを利用した自然災害発生識別器の開発：性能を維持しつつ，必要なラベル付きデータの削減手法が必要となる．そのデータ削減に貢献するVision Transformer（ViT）の事前学習法に，カリキュラム学習に着想を得た手法を導入することで性能向上が可能であること，ViTの構造的改良も，ラベル付きデータの削減と性能維持を両立可能であることを確認した．
|
| 現在までの達成度 (段落) |
令和5年度が最終年度であるため、記入しない。
|
| 今後の研究の推進方策 |
令和5年度が最終年度であるため、記入しない。
|
