A Comparative Study on Machine Learning Methods for On-board Satellite Image Classification

DOI Web Site

Bibliographic Information

Other Title
  • オンボード衛星画像分類のための機械学習手法の比較検討
Published
2016
DOI
  • 10.1299/jsmesec.2016.25.1b1
Publisher
The Japan Society of Mechanical Engineers

Description

<p>本稿では，オンボード衛星画像分類のため，Multi-Layered Perceptron (MLP)，Convolutional Neural Networks (CNN)，Support Vector Machine (SVM)，K-Nearest Neighbor (KNN)，Random Forest (RF) の 5 つの機械学習手法を，識別正答率，計算時間，パラメータ数の 3 点を指標に比較検討した．データセットとしては，地上分解能 30cm, 3m, 30m, 300m, 1.2km の 5 種類を作成した．各機械学習手法へ の入力は，輝度値を直接用いた (16 × 16 × 3 =)768 の特徴量 Raw を用いるケースに加え，計算時間短縮のために衛星画像の特徴を踏ま え算出した 12 の特徴量 X を用いるケースの計 2 ケースに関して比較した．その結果，識別精度の点では，低解像度では MLP，CNN， SVM が 95% 以上の高い性能を示し，地上分解能 3m 以下の高解像度画像では MLP が最も高い正答率を得た．また，特徴量 X は低解 像度の場合に特徴量 Raw より良い性能を示した．計算時間の点では，RF が MLP，CNN に比べ 100 倍程度速く，パラメータ数が大き いという欠点はあるが，高速で画像識別する要求がある場合に有効な手法であることを示した．パラメータ数の点では CNN が他手法の 100 分の 1 の 2.0K であり，識別精度も高いことから，高速で識別したい場合を除いては優れた識別手法であることが分かった．</p>

Journal

Keywords

Details 詳細情報について

Report a problem

Back to top