文献

J-GLOBAL ID：201802222291679041   整理番号：18A2022169

新しいBayes法を用いたハイパースペクトル画像分類のための畳込みニューラルネットワークによる能動学習【JST・京大機械翻訳】

Active Learning With Convolutional Neural Networks for Hyperspectral Image Classification Using a New Bayesian Approach

著者 (5件)： Haut Juan Mario (Department of Technology of Computers and Communications, Hyperspectral Computing Laboratory, Polytechnic School of Ca ́ceres, University of Extremadura, Ca ́ceres, Spain) ,  Paoletti Mercedes E. (Department of Technology of Computers and Communications, Hyperspectral Computing Laboratory, Polytechnic School of Ca ́ceres, University of Extremadura, Ca ́ceres, Spain) ,  Plaza Javier (Department of Technology of Computers and Communications, Hyperspectral Computing Laboratory, Polytechnic School of Ca ́ceres, University of Extremadura, Ca ́ceres, Spain) ,  Li Jun (Guangdong Provincial Key Laboratory of Urbanization and Geosimulation, Center of Integrated Geographic Information Analysis, School of Geography and Planning, Sun Yat-sen University, Guangzhou, China) ,  Plaza Antonio (Department of Technology of Computers and Communications, Hyperspectral Computing Laboratory, Polytechnic School of Ca ́ceres, University of Extremadura, Ca ́ceres, Spain)
資料名： IEEE Transactions on Geoscience and Remote Sensing  (IEEE Transactions on Geoscience and Remote Sensing)
巻： 56  号： 11  ページ： 6440-6461  発行年： 2018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： ハイパースペクトル画像は,画像分光計が地球表面上の同じ面積に対して数百の画像(異なる波長チャネルで)を収集するリモートセンシングにおいて広く用いられている技術である。過去20年において,ハイパースペクトル画像分類問題を扱うために,いくつかの方法(教師なし,教師つき,および半教師つき)が提案されている。実際のシナリオでラベルされたサンプルを収集することが困難であるという事実にもかかわらず,教師つき技術は一般的により一般的になっている。特に,畳込みニューラルネットワーク(CNN)のような深いニューラルネットワークは,ハイパースペクトル画像分類において高性能をもたらす大きな可能性を最近示した。しかし,これらの技術は,適切に機能し,よく一般化するために十分な標識試料を必要とする。ラベル付きデータを得ることは,費用がかかり時間がかかり,ハイパースペクトルデータの高次元性は,限られたサンプル(例えば小さな訓練セットで急速にオーバーフィットする)に基づいて分類器を設計することを困難にする。アクティブ学習(AL)は,新しいラベル付けされていないサンプルの獲得によって強化されるラベル付きサンプルの小さなセットでモデルを訓練することによって,この問題を扱うことができる。本論文では,ハイパースペクトルデータにおけるスペクトル情報と空間文脈情報の両方を利用する新しいALガイド分類モデルを開発した。提案したモデルは最近開発されたBayes CNNを利用する。新しく開発した技術は,ハイパースペクトル画像分類のための他の最先端技術と比較すると,ロバストな分類結果を提供する。Copyright 2018 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： チャネル ,  リモートセンシング ,  ロバスト性 ,  *ニューラルネットワーク ,  高速度 ,  波長 ,  高次元 ,  *画像 ,  *スペクトル
準シソーラス用語： 文脈情報 ,  ハイパースペクトルデータ ,  画像分光計 ,  *ハイパースペクトル画像 ,  *畳込みニューラルネットワーク ,  *ハイパースペクトル画像分類 , 【Automatic Indexing@JST】

分類 (2件)： 図形・画像処理一般  (JE04010I) ,  人工知能  (JE08000Z)

タイトルに関連する用語 (4件)： Bayes法 ,  ハイパースペクトル画像分類 ,  畳込みニューラルネットワーク ,  能動学習