文献

J-GLOBAL ID：201702267168899787   整理番号：17A0967186

FusioNet:PolSARとハイパースペクトルデータを用いた都市シーン分類のための2の流れの畳込みニューラルネットワーク【Powered by NICT】

FusioNet: A two-stream convolutional neural network for urban scene classification using PolSAR and hyperspectral data

著者 (4件)： Hu Jingliang (Remote Sensing Technology Institute (IMF), German Aerospace Center (DLR), Germany) ,  Mou Lichao (Remote Sensing Technology Institute (IMF), German Aerospace Center (DLR), Germany) ,  Schmitt Andreas (Remote Sensing Data Center (DFD), German Aerospace Center (DLR), Germany) ,  Zhu Xiao Xiang (Remote Sensing Technology Institute (IMF), German Aerospace Center (DLR), Germany)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： JURSE  ページ： 1-4  発行年： 2017年 
JST資料番号： W2441A  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： 単一源データを用いた都市シーン分類はリモートセンシング分野で研究大規模である。しかし,単一源は複雑な都市シーンの一つの特定の視点を提供するだけでマルチモーダルデータセットの融合は,相補的知識を提供することができた。都市シーン分類のためのハイパースペクトル画像のスペクトル情報とPolSARデータの散乱機構を融合することを目的としている。二データセットの結合利用をはかるための,簡単な連結は不十分な情報の抽出をもたらすであろうと低次元データの影響を弱めた。本研究では,エンドツーエンド畳込みニューラルネットワークを用いて特徴を効率的に抽出する方法を学ぶ自動的にハイパースペクトル画像とPolSARデータを融合する。より詳しくいえば,ここでは,新しい二流体畳込みネットワークアーキテクチャを提案した。は同一で生成するが,各データのための畳込み流を分離した。続いて,二つの流れは融合層内の次元の同程度の数と重ね合わせた。このアーキテクチャは,分類目的のためのデータの両方から情報特徴と均等な様式で二データの融合の効率的抽出を確実にした。実験結果は,提案したフレームワークの有意に優れた性能を示唆し,他の既存融合法と比較した。著者らの知る限り,これは深い畳込み神経回路網はハイパースペクトル画像とSARデータの融合を達成するのは初めてである。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： 神経回路網 ,  エンドツーエンド方式 ,  *畳込み ,  *スペクトル ,  ネットワークアーキテクチャ ,  *ニューラルネットワーク ,  *都市 ,  計算機アーキテクチャ ,  リモートセンシング
準シソーラス用語： 低次元 ,  ハイパースペクトル画像 ,  *シーン分類 ,  *ハイパースペクトルデータ , 【Automatic Indexing@JST】

分類 (2件)： 図形・画像処理一般  (JE04010I) ,  リモートセンシング一般  (AD04000L)

タイトルに関連する用語 (5件)： ハイパースペクトルデータ ,  都市 ,  シーン分類 ,  流れ ,  畳込みニューラルネットワーク