Clutter Classification Using Deep Learning in Multiple Stages

要約

無線通信のパス損失予測は、ローカル環境に大きく依存します。
クラッター情報を含む伝播モデルは、モデルの精度を大幅に向上させることが示されています。
この論文では、環境クラッターのタイプを自動的に識別するための衛星画像へのディープラーニングの適用について検討します。
これらのクラッター タイプの認識にはさまざまな用途がありますが、主な用途はクラッター情報を使用して伝播予測モデルを強化することです。
障害物の種類 (樹木、建物、その他の分類) を知ることで、パス損失などの主要な伝播メトリックの予測精度を向上させることができます。

要約(オリジナル)

Path loss prediction for wireless communications is highly dependent on the local environment. Propagation models including clutter information have been shown to significantly increase model accuracy. This paper explores the application of deep learning to satellite imagery to identify environmental clutter types automatically. Recognizing these clutter types has numerous uses, but our main application is to use clutter information to enhance propagation prediction models. Knowing the type of obstruction (tree, building, and further classifications) can improve the prediction accuracy of key propagation metrics such as path loss.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google