講演抄録/キーワード |
講演名 |
2021-11-05 11:15
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 ○柗本侑也・夏秋 嶺・廣瀬 明(東大) EMT2021-43 エレソ技報アーカイブへのリンク:EMT2021-43 |
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. |
(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 the
components of input vectors in the convolutional processing. A QCNN performs an orthogonal transformation to the
components of input vectors by quaternionic rotation and scaling to learn the relationship between them. A QCNN
also can learn spatial textures of input data as well as a conventional RVCNN. In our experiments, we compare three
neural networks, namely, a fully-connected quaternion neural network (QNN), a RVCNN, and our proposed QCNN. As
experimental results, our proposed QCNN show the best classification performance. We also show that quaternionic
convolution 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) / / / / / |
(英) |
Polarimetric synthetic aperture radar (PolsAR) / convolutional neural network (CNN) / quaternion neural network (QNN) / / / / / |
文献情報 |
信学技報, vol. 121, no. 226, EMT2021-43, pp. 76-81, 2021年11月. |
資料番号 |
EMT2021-43 |
発行日 |
2021-10-28 (EMT) |
ISSN |
Online edition: ISSN 2432-6380 |
著作権に ついて |
技術研究報告に掲載された論文の著作権は電子情報通信学会に帰属します.(許諾番号:10GA0019/12GB0052/13GB0056/17GB0034/18GB0034) |
PDFダウンロード |
EMT2021-43 エレソ技報アーカイブへのリンク:EMT2021-43 |
研究会情報 |
研究会 |
EMT IEE-EMT |
開催期間 |
2021-11-04 - 2021-11-05 |
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. |
講演論文情報の詳細 |
申込み研究会 |
EMT |
会議コード |
2021-11-EMT-EMT |
本文の言語 |
日本語 |
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(英) |
|
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) |
キーワード(4)(和/英) |
/ |
キーワード(5)(和/英) |
/ |
キーワード(6)(和/英) |
/ |
キーワード(7)(和/英) |
/ |
キーワード(8)(和/英) |
/ |
第1著者 氏名(和/英/ヨミ) |
柗本 侑也 / Yuya Matsumoto / マツモト ユウヤ |
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/ヨミ) |
夏秋 嶺 / Ryo Natsuaki / ナツアキ リョウ |
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/ヨミ) |
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) |
第4著者 氏名(和/英/ヨミ) |
/ / |
第4著者 所属(和/英) |
(略称: )
(略称: ) |
第5著者 氏名(和/英/ヨミ) |
/ / |
第5著者 所属(和/英) |
(略称: )
(略称: ) |
第6著者 氏名(和/英/ヨミ) |
/ / |
第6著者 所属(和/英) |
(略称: )
(略称: ) |
第7著者 氏名(和/英/ヨミ) |
/ / |
第7著者 所属(和/英) |
(略称: )
(略称: ) |
第8著者 氏名(和/英/ヨミ) |
/ / |
第8著者 所属(和/英) |
(略称: )
(略称: ) |
第9著者 氏名(和/英/ヨミ) |
/ / |
第9著者 所属(和/英) |
(略称: )
(略称: ) |
第10著者 氏名(和/英/ヨミ) |
/ / |
第10著者 所属(和/英) |
(略称: )
(略称: ) |
第11著者 氏名(和/英/ヨミ) |
/ / |
第11著者 所属(和/英) |
(略称: )
(略称: ) |
第12著者 氏名(和/英/ヨミ) |
/ / |
第12著者 所属(和/英) |
(略称: )
(略称: ) |
第13著者 氏名(和/英/ヨミ) |
/ / |
第13著者 所属(和/英) |
(略称: )
(略称: ) |
第14著者 氏名(和/英/ヨミ) |
/ / |
第14著者 所属(和/英) |
(略称: )
(略称: ) |
第15著者 氏名(和/英/ヨミ) |
/ / |
第15著者 所属(和/英) |
(略称: )
(略称: ) |
第16著者 氏名(和/英/ヨミ) |
/ / |
第16著者 所属(和/英) |
(略称: )
(略称: ) |
第17著者 氏名(和/英/ヨミ) |
/ / |
第17著者 所属(和/英) |
(略称: )
(略称: ) |
第18著者 氏名(和/英/ヨミ) |
/ / |
第18著者 所属(和/英) |
(略称: )
(略称: ) |
第19著者 氏名(和/英/ヨミ) |
/ / |
第19著者 所属(和/英) |
(略称: )
(略称: ) |
第20著者 氏名(和/英/ヨミ) |
/ / |
第20著者 所属(和/英) |
(略称: )
(略称: ) |
講演者 |
第1著者 |
発表日時 |
2021-11-05 11:15:00 |
発表時間 |
25分 |
申込先研究会 |
EMT |
資料番号 |
EMT2021-43 |
巻番号(vol) |
vol.121 |
号番号(no) |
no.226 |
ページ範囲 |
pp.76-81 |
ページ数 |
6 |
発行日 |
2021-10-28 (EMT) |