文献

J-GLOBAL ID：201702277949834482   整理番号：17A1262169

断面シーン分類のための領域適応ネットワーク【Powered by NICT】

Domain Adaptation Network for Cross-Scene Classification

著者 (6件)： Othman Esam (Department of Computer Engineering, College of Computer and Information Sciences, King Saud University, Riyadh, Saudi Arabia) ,  Bazi Yakoub (Department of Computer Engineering, College of Computer and Information Sciences, King Saud University, Riyadh, Saudi Arabia) ,  Melgani Farid (Department of Information Engineering and Computer Science, University of Trento, Trento, Italy) ,  Alhichri Haikel (Department of Computer Engineering, College of Computer and Information Sciences, King Saud University, Riyadh, Saudi Arabia) ,  Alajlan Naif (Department of Computer Engineering, College of Computer and Information Sciences, King Saud University, Riyadh, Saudi Arabia) ,  Zuair Mansour (Department of Computer Engineering, College of Computer and Information Sciences, King Saud University, Riyadh, Saudi Arabia)
資料名： IEEE Transactions on Geoscience and Remote Sensing  (IEEE Transactions on Geoscience and Remote Sensing)
巻： 55  号： 8  ページ： 4441-4456  発行年： 2017年 
JST資料番号： H0016B  ISSN： 0196-2892  CODEN： IGRSD2  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,データシフト問題(すなわち,異なるセンサと完全に異なる地理的地域で取得したラベル付きデータおよびラベル無し画像)を受ける分類シナリオに対処するためのドメイン適応ネットワークを提示した。解析下のラベル付きデータおよびラベル無し画像の初期特徴表現,ソース及びターゲットドメインと呼ばれるを生成するpretrained畳込みニューラルネットワーク(CNN)のパワーに依存した。はさらに学習のためのpretrained CNNの上に置いたエクストラネットに得られた特徴を摂食した。微調整相中に,三正則化項,を結合的に最小化するにより,このネットワークの重みを学習1)標識源データにクロスエントロピー誤差2)ソースとターゲットデータ分布の間の最大平均相違及び3)ターゲットデータの幾何学的構造。,ロバスト隠れ表現を得るために,ソースとターゲット分布の局所アラインメントのための動的サンプルサイズのミニバッチ勾配ベースの最適化法を提案した。方法を検証するために,実験では,カリフォルニアのMercedデータセットの大学とサウジアラビア王国のいくつかの地域で取得した新しいマルチセンサデータセットを使用した。実験は以下のことを示した:1)pretrained CNNは,最新技術手法と比較して画像分類のための興味ある解決策を提供する2)データシフト問題を受けるデータセットを取り扱う場合に,その性能を分解することができるおよび3)提案した方法は,この問題の効果的な処理のための有望な解決策を意味している。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： 正則化 ,  ロバスト性 ,  ニューラルネットワーク ,  サウジアラビア王国 ,  *ネットワーク ,  画像 ,  アラインメント ,  学習 ,  センサ ,  畳込み
準シソーラス用語： 画像分類 ,  クロスエントロピー ,  特徴表現 ,  *適応ネットワーク ,  *シーン分類 , 【Automatic Indexing@JST】

分類 (4件)： 人工知能  (JE08000Z) ,  情報収集・整理  (AC04000I) ,  写真測量,空中写真  (RC02040D) ,  リモートセンシング一般  (AD04000L)

タイトルに関連する用語 (2件)： シーン分類 ,  適応ネットワーク