文献
J-GLOBAL ID:201702274954619805   整理番号:17A0887339

教師つきリモートセンシング画像分類のための反復再重み付け不均一転移学習フレームワーク【Powered by NICT】

Iterative Reweighting Heterogeneous Transfer Learning Framework for Supervised Remote Sensing Image Classification
著者 (5件):
資料名:
巻: 10  号:ページ: 2022-2035  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:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
教師つき分類法は,ハイパースペクトルリモートセンシング画像解析で広く用いられている。しかし,それらは良好な性能,大量時間と人間労働のコストを保証し,研究者動機づけは,既存の関連画像の質量からのラベル付きサンプルを再利用するために多数の訓練サンプルを必要とする。転移学習法は,新しいまだ関連画像における分類問題を解くために,既存の画像における知識適応できる,リモートセンシング分野で関心の増加を導いた。しかし,RS分野の既存の方法は,全ての画像は同じ次元,それらの実際的応用を妨げている)を共有することを必要とする。本論文では,寸法が異なる不均一空間のための転移学習問題に焦点を当てた。ソースとターゲットデータの共用空間を学習する反復する新規反復再重み付け不均一転移学習(IRHTL)フレームワークを提案し,発生源試料をreweightへの新規な反復再重みづけ戦略を行った。各反復において,不均一データは最初の重み付きサポートベクトルマシンに基づく二つの投影関数による共用空間に写像した。第二に,共通部分空間に基づく,発生源データは反復再重みづけ戦略を用いて再重み付けと転送のため再利用される,それらの相対的重要性に従った。三データセットの実験は,提案したIRHTL法の有効性と信頼性を確認した。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:
シソーラス用語/準シソーラス用語
文献のテーマを表すキーワードです。
部分表示の続きはJDreamⅢ(有料)でご覧いただけます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。

準シソーラス用語:
シソーラス用語/準シソーラス用語
文献のテーマを表すキーワードです。
部分表示の続きはJDreamⅢ(有料)でご覧いただけます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
, 【Automatic Indexing@JST】
分類 (1件):
分類
JSTが定めた文献の分類名称とコードです
図形・画像処理一般 

前のページに戻る