文献

J-GLOBAL ID：201602279619902460   整理番号：16A0603811

衛星画像シーン分類のための教師なし多層特徴学習【Powered by NICT】

Unsupervised Multilayer Feature Learning for Satellite Image Scene Classification

著者 (5件)： Yansheng Li (Sch. of Remote Sensing & Inf. Eng., Wuhan Univ., Wuhan, China) ,  Chao Tao (Sch. of Geosci. & Inf.-Phys., Central South Univ., Changsha, China) ,  Yihua Tan (Sch. of Autom., Huazhong Univ. of Sci. & Technol., Wuhan, China) ,  Ke Shang (Sch. of Autom., Huazhong Univ. of Sci. & Technol., Wuhan, China) ,  Jinwen Tian (Sch. of Autom., Huazhong Univ. of Sci. & Technol., Wuhan, China)
資料名： IEEE Geoscience and Remote Sensing Letters  (IEEE Geoscience and Remote Sensing Letters)
巻： 13  号： 2  ページ： 157-161  発行年： 2016年 
JST資料番号： W1397A  ISSN： 1545-598X  CODEN： IGRSBY  資料種別： 逐次刊行物 (A)
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： 衛星画像シーン分類のための多層画像特徴を自動的に学習する簡単で効果的な方法を提案した。経験的に設計したが,高い汎化能力を欠く手作りの特徴とは異なり,提案した方法が自律的にデータ依存特徴を抽出することができる。提示した特徴抽出アルゴリズムは二層で構成され,これらの二層の基本は単純K-meansクラスタリングアルゴリズムにより学習された均一にした。同時に,上述の二層の特徴抽出性能はヒト視覚皮質の視覚処理と一致した。より具体的には,第1層はedgelike塩基,一次視覚皮質(V1)のニューロン応答に類似したを生成することができる,第二層はcornerlike塩基,視覚線条体外皮質領域二(V2)のニューロン応答に類似したを生成することができる。提案した特徴抽出手法は単純な構造特徴(例えばエッジ)だけでなく複雑な構造特徴(例えば,コーナーおよび接合)を自動的に抽出できる。学習された特徴は,シーン分類のための線形サポートベクトルマシン分類器により識別した。提案した特徴抽出アプローチの有効性を示しかなりためには,その衛星画像シーン分類性能を公共UCM XXIデータセットで評価した。実験結果は,提案した方法は,いくつかの最近の最先端技術アプローチより優れていることを示した。Copyright 2016 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】

シソーラス用語： 視覚皮質 ,  汎化 ,  構造特性 ,  視覚 ,  *学習 ,  線形性 ,  特徴抽出 ,  *衛星利用画像 ,  ヒト ,  サポートベクトルマシン ,  皮質
準シソーラス用語： データセット ,  視覚情報処理 ,  二層 ,  *シーン分類 , 【Automatic Indexing@JST】

著者キーワード (6件)： 教師なし多層特徴学習 ,  複合体構造の特徴 ,  cornerlike塩基 ,  edgelike塩基 ,  衛星画像シーン分類 ,  簡単な構造の特徴

分類 (2件)： パターン認識  (JE07000S) ,  図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (5件)： 衛星画像 ,  シーン分類 ,  教師 ,  多層 ,  学習