文献

J-GLOBAL ID：201002235051014502   整理番号：10A0864078

共Gauss過程を利用したリモートセンシング画像変化検出のフレームワーク

A CO-GAUSSIAN PROCESS BASED FRAMEWORK FOR REMOTE SENSING IMAGE CHANGE DETECTION

著者 (6件)： CHEN Keming (Inst. of Automation, Chinese Acad. of Sci., Beijing, CHN) ,  LI Zhenglong (Inst. of Automation, Chinese Acad. of Sci., Beijing, CHN) ,  CHENG Jian (Inst. of Automation, Chinese Acad. of Sci., Beijing, CHN) ,  ZHOU Zhixin (Inst. of Automation, Chinese Acad. of Sci., Beijing, CHN) ,  ZHOU Zhixin (Beijing Inst. of Remote Sensing, Beijing, CHN) ,  LU Hanqing (Inst. of Automation, Chinese Acad. of Sci., Beijing, CHN)
資料名： Proceedings. IEEE International Conference on Acoustics, Speech and Signal Processing  (Proceedings. IEEE International Conference on Acoustics, Speech and Signal Processing)
巻： 2010 Vol.3  ページ： 2142-2145  発行年： 2010年 
JST資料番号： E0316B  ISSN： 1520-6149  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： リモートセンシングにおける変化検出は,画像間の時間的変化を検出する一種の分類問題である。既存の教師つきおよび教師なし学習手法と比較して,半教師つき手法は,少数のラベル付きサンプルから出発し,豊富なラベルなしデータを活用するという現実的な前提に立つ。本論文は,新しい半教師つき学習アルゴリズムとして,カーネル型分類手法の一つである共Gauss過程(co-GP)をBayes推定のフレームワーク下で提案した。画像データを2つの互いに素なビューに特性化し,各ビューに対しGP事前確率分布を伴う潜在関数を使用した。co-GPの学習過程では,各ビューで獲得される知識を確率ラベルにより変換し,学習効果を改善した。この方法により,適切なパラメータをブートストラップモードで推定し,満足できる性能が少量のラベル付きデータにより得られた。実験により提案したアルゴリズムの有効性を確認した。

シソーラス用語： リモートセンシング ,  画像 ,  検出 ,  Gauss過程 ,  教師つき学習 ,  教師なし学習 ,  *学習アルゴリズム ,  分類 ,  Bayes推定 ,  数学的性質 ,  事前確率 ,  ラベル付け【画像】 ,  アルゴリズム ,  パラメータ推定
準シソーラス用語： *リモートセンシング画像 ,  変化検出 ,  Kernel法 ,  カテゴリー分類 ,  互いに素 ,  学習効果

分類 (2件)： 図形・画像処理一般  (JE04010I) ,  人工知能  (JE08000Z)

タイトルに関連する用語 (4件)： Gauss過程 ,  リモートセンシング画像 ,  変化検出 ,  フレームワーク