文献

J-GLOBAL ID：201702254375121755   整理番号：17A1568286

リモートセンシング画像の分類のための表現学習を用いた領域適応【Powered by NICT】

Domain Adaptation Using Representation Learning for the Classification of Remote Sensing Images

著者 (4件)： Elshamli Ahmed (School of Engineering, University of Guelph, Guelph, ON, Canada) ,  Taylor Graham W. (School of Engineering, University of Guelph, Guelph, ON, Canada) ,  Berg Aaron (Department of Geography, University of Guelph, Guelph, ON, Canada) ,  Areibi Shawki (School of Engineering, University of Guelph, Guelph, ON, Canada)
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： 9  ページ： 4198-4209  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： 伝統的機械学習(ML)技術はリモートセンシング画像のための複雑なパターン認識タスクを実行するためにしばしば使用される,土地利用分類のような。許容し得る分類結果を得るために,これらの技術は,特定の画像に利用可能な十分な訓練データであることを必要とする。訓練サンプルは困難な問題であり,特に近実時間の応用。,過去の知識は電流領域における訓練データの不足を克服するために用いなければならない。課題は,ドメイン適応(DA)として知られており,この問題に対する一般的な手法の一つは,訓練と試験データの両方,しばしば異なる「領域」に由来すると仮定したのための不変表現を見出すことに基づいている本研究では,学習ドメイン不変表現:ノイズ除去オートエンコーダ(DAE)と領域敵対的ニューラルネットワーク(DANN)のための二の深層学習技術を考察した。DAEは典型的な2段階DA法(教師なし不変表現学習とそれに続く教師つき分類による)であり,訓練中に共同で考えられている不変表現学習と分類がDANNは,エンドツーエンド手法である。提案した技術は,異なるDAシナリオの下でハイパースペクトルおよびマルチスペクトル画像の両者に適用した。得られた結果は,提案した方法は従来の方法,主成分分析(PCA)およびカーネルPCAのようなより性能が優れており,multispatialシナリオにおける完全に教師つきモデルと競合できることを示した。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： 機械学習 ,  不変性 ,  パターン認識 ,  雑音低減 ,  *学習 ,  主成分分析 ,  ニューラルネットワーク ,  *画像
準シソーラス用語： マルチスペクトル画像 ,  ハイパースペクトル ,  教師付き分類 ,  深層学習 ,  訓練データ ,  土地利用分類 ,  *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 (4件)： リモートセンシング画像 ,  分類 ,  表現学習 ,  適応