講演情報
[PEM13-P14]3D-CNNによるグレースケールオーロラ動画の自動分類
*御厨 徹1、藤本 晶子1、三好 由純2、小川 泰信3、細川 敬祐4 (1.九州工業大学、2.名古屋大学宇宙地球環境研究所、3.国立極地研究所、4.電気通信大学大学院情報理工学研究科)
キーワード：
機械学習、3D-CNN、オーロラ全天動画
本論文では，機械学習を用いてパルセーティングオーロラの全天動画データの自動分類を行う手法を提案する．オーロラ自動分類の既存研究として，オーロラ全天画像を用いた自動分類は行われているが，動画を対象とした自動分類はまだ行われていない．画像の場合は，時系列情報がないので，全天画像内のオーロラの形の特徴を基に分類が行われていた．分類対象を全天画像から全天動画にすることでオーロラの時系列特徴に基づいたオーロラ分類が可能になる．本論文では，3D-CNNを用いて，605個のグレースケール全天動画データを自動分類した．全天動画データはそれぞれ，動画内のオーロラの有無で(a)オーロラ有，(b)オーロラ無，とラベル付けがされてある．これらのデータをK交差分割検証(K=5)で学習を行い，自動分類モデルを作成した．さらに，3D-CNNの畳み込みフィルタ値の組み合わせを変えて，学習させることで分類精度の変化を調べた．本論文では，15x15x5の畳み込みフィルタを持つ3D-CNN提案手法によって，98.6%，10x10x10の畳み込みフィルタを持つ3D-CNNモデルによって97.99%の分類精度を示した。