文献

J-GLOBAL ID：201802255080281076   整理番号：18A2038782

ハイパースペクトル画像分類のためのクロスドメインCNN【JST・京大機械翻訳】

Cross-Domain CNN for Hyperspectral Image Classification

著者 (3件)： Lee Hyungtae (Booz Allen Hamilton Inc., McLean, Virginia, U.S.A.) ,  Eum Sungmin (Booz Allen Hamilton Inc., McLean, Virginia, U.S.A.) ,  Kwon Heesung (U.S. Army Research Laboratory, Adelphi, Maryland, U.S.A.)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2018  号： IGARSS  ページ： 3627-3630  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： 本論文では,ハイパースペクトル画像分類によるデータセット不足問題に取り組んだ。ほんの数千のピクセルだけが訓練に利用できるので,高容量畳込みニューラルネットワーク(CNNs)を効果的に学習することは困難である。この問題に対処するために,複数のハイパースペクトルを横切って共学習できる共有パラメータを含む新しいクロスドメインCNNを提案した。ネットワークは,また,データ固有スペクトル特性と関連分類タスクを扱うように設計された非共有部分を含んでいる。本手法は,複数のハイパースペクトルデータセットに対するCNNを,エンドツーエンドで学習する最初の試みである。さらに,広く使われているデータセットの3つで訓練された提案されたネットワークが,単一データセットで訓練されたすべてのベースラインネットワークより優れていることを実験的に示した。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： エンドツーエンド方式 ,  *学習 ,  画素 ,  ネットワーク ,  基準線
準シソーラス用語： ハイパースペクトルデータ ,  スペクトル特性 ,  *ハイパースペクトル ,  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 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (3件)： ハイパースペクトル画像分類 ,  ドメイン ,  CNN