文献

J-GLOBAL ID：201802244569848943   整理番号：18A1902002

教師なし画像-画像CNNを用いたハイパースペクトルとLIDARデータの協調分類【JST・京大機械翻訳】

Collaborative Classification of Hyperspectral and LIDAR Data Using Unsupervised Image-to-Image CNN

著者 (4件)： Zhang Mengmeng (College of Information Science and Technology Beijing, University of Chemical Technology, Beijing, 100029, China) ,  Li Wei (College of Information Science and Technology Beijing, University of Chemical Technology, Beijing, 100029, China) ,  Wei Xueling (College of Information Science and Technology Beijing, University of Chemical Technology, Beijing, 100029, China) ,  Li Xiang (College of Information Science and Technology Beijing, University of Chemical Technology, Beijing, 100029, China)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2018  号： PRRS  ページ： 1-5  発行年： 2018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： 現在,より良い地球観測のためのマルチソースリモートセンシングデータから有用な情報を効率的に利用する方法は興味深いが挑戦的な問題になっている。本論文では,画像から画像への畳込みニューラルネットワーク(CNN)によるハイパースペクトル画像(HSI)と光検出およびRanging(LIDAR)データのための協調分類フレームワークを提案した。画像から画像へのマッピングがあり,入力源(すなわちHSI)から出力源(すなわちLIDAR)への表現を学習する。次に,抽出された特徴はHSIとLIDARデータの両方の特性に期待される。そして,共同分類は深いCNNの隠れ層を統合することによって実行される。2つの実際のリモートセンシングデータセットに関する実験結果は,提案したフレームワークの有効性を実証した。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： *画像 ,  光検出 ,  *LIDAR
準シソーラス用語： *レーザレーダ ,  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 ,  リモートセンシングデータ ,  地球観測 ,  *LIDARデータ ,  *ハイパースペクトル , 【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 (6件)： 教師 ,  CNN ,  ハイパースペクトル ,  LIDARデータ ,  協調 ,  分類