文献

J-GLOBAL ID：201702220565021593   整理番号：17A1772167

リモートセンシング画像のクロスドメイン分類のための階層的部分空間学習に基づく教師なしドメイン適応【Powered by NICT】

Hierarchical Subspace Learning Based Unsupervised Domain Adaptation for Cross-Domain Classification of Remote Sensing Images

著者 (2件)： Banerjee Biplab (Department of Computer Science, Indian Institute of Technology Roorkee, Roorkee, India) ,  Chaudhuri Subhasis (Department of Computer Science, Indian Institute of Technology Roorkee, Roorkee, India)
資料名： IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing  (IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing)
巻： 10  号： 11  ページ： 5099-5109  発行年： 2017年 
JST資料番号： W2259A  ISSN： 1939-1404  CODEN： IJSTHZ  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： 本論文では,ドメイン適応(DA)の概念下でのリモートセンシング画像を用いた土地被覆地図の自動更新の問題を取り上げて論じた。本質的に,教師なしDA技術は利用可能なグランドトルースを考慮して源領域をモデル化した分類器を適用することを目的とし試験試料のみから成る関連まだ多様な標的領域に同じを評価した。この点における伝統的な部分空間学習に基づく戦略は本質的に両ドメインからのデータを単一部分空間の存在を仮定した。しかし,このような制約は特徴空間内で重複しているデータに由来する潜在的意味的クラスと問題の統計的性質の多様性を考慮した多くのシナリオで剛直であった。矯正法として,本研究では,意味的クラスの自動二分木に基づく階層的構成を提案し,続いて学んだ木から節特異的部分空間学習の概念を導入した。ハイパースペクトル,中分解能,非常に高い分解能データセットに法,標準的な単一部分空間学習に基づく戦略だけでなく,文献からの他の代表的な技術との比較において一貫して改善された性能を示すを検証した。Copyright 2017 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： モデリング ,  土地被覆 ,  *分解能 ,  二分木
準シソーラス用語： ハイパースペクトル ,  補正法 ,  統計的性質 ,  特徴空間 ,  *部分空間 ,  グランドトゥルース ,  *部分空間学習 ,  *リモートセンシング画像 , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (6件)： リモートセンシング画像 ,  ドメイン ,  分類 ,  部分空間学習 ,  教師 ,  ドメイン適応