文献

J-GLOBAL ID：201802253944505600   整理番号：18A0030168

ハイパースペクトル画像分類のための深いマルチスケール特徴と多様な計量の結合学習【Powered by NICT】

Joint learning of deep multi-scale features and diversified metrics for hyperspectral image classification

著者 (5件)： Gong Zhiqiang (ATR Lab. School of Electronic Science and Engineering, National University of Defense Technology, Changsha 410073, Hunan, China) ,  Zhong Ping (ATR Lab. School of Electronic Science and Engineering, National University of Defense Technology, Changsha 410073, Hunan, China) ,  Yu Yang (ATR Lab. School of Electronic Science and Engineering, National University of Defense Technology, Changsha 410073, Hunan, China) ,  Shan Jiaxin (ATR Lab. School of Electronic Science and Engineering, National University of Defense Technology, Changsha 410073, Hunan, China) ,  Hu Weidong (ATR Lab. School of Electronic Science and Engineering, National University of Defense Technology, Changsha 410073, Hunan, China)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： MLSP  ページ： 1-6  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： 異なるクラス間の高スペクトル分解能といくつかのスペクトルの類似性のために,ハイパースペクトル画像分類は重要であるが挑戦的な課題であることが判明した。研究はハイパースペクトル画像分類のための深層学習の強力な能力を示した。しかし,予想されたように訓練サンプルの欠如は,識別特徴を抽出し,性能を達成することを困難にする。問題を解決するために,マルチスケール特徴を抽出できるマルチスケールCNNはハイパースペクトル画像分類用に設計した。多様化計量,D DSMLは深い法の表現能力をさらに改善するために提案した。本論文では,ハイパースペクトル画像分類のための深いマルチスケール特徴と多様化計量を学習する併用し,D DSML MSCNN法はD DSMLとMSCNNの両方の利点を取る事を提案する。実験は,ハイパースペクトル画像分類のための提案手法の有効性を示すために,Pavia大学データに行った。結果は,他の最近の結果と比較して,この方法の利点を示した。Copyright 2018 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： *学習 ,  類似性 ,  多様化 ,  スペクトル分解 ,  *スペクトル
準シソーラス用語： 深層学習 ,  *マルチスケール , 【Automatic Indexing@JST】

分類 (2件)： 図形・画像処理一般  (JE04010I) ,  写真測量,空中写真  (RC02040D)

タイトルに関連する用語 (4件)： ハイパースペクトル画像分類 ,  マルチスケール ,  計量 ,  学習