文献

J-GLOBAL ID：202002224337681319   整理番号：20A0527255

ハイパースペクトル画像セグメンテーションのための資源-frugal深畳込みニューラルネットワークに向けて【JST・京大機械翻訳】

Towards resource-frugal deep convolutional neural networks for hyperspectral image segmentation

著者 (6件)： Nalepa Jakub (KP Labs Konarskiego 18C, Gliwice 44-100, Poland) ,  Nalepa Jakub (Silesian University of Technology, Akademicka 16, Gliwice 44-100, Poland) ,  Antoniak Marek (KP Labs Konarskiego 18C, Gliwice 44-100, Poland) ,  Myller Michal (KP Labs Konarskiego 18C, Gliwice 44-100, Poland) ,  Ribalta Lorenzo Pablo (Silesian University of Technology, Akademicka 16, Gliwice 44-100, Poland) ,  Marcinkiewicz Michal (Netguru Wojskowa 6, Poznan 60-792, Poland)
資料名： Microprocessors and Microsystems  (Microprocessors and Microsystems)
巻： 73  ページ： Null  発行年： 2020年 
JST資料番号： H0781A  ISSN： 0141-9331  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： ハイパースペクトル画像解析は,このような画像をより手頃に取得するセンサ設計における現在の進歩により,研究の注目を集めている。ハイパースペクトル画像を分割するための様々な手法が存在するが,深い学習が主流になっている。しかしながら,そのような大容量学習者は,有意なメモリフットプリントにより特徴付けられる。これは,地球観測のための衛星搭載の深いニューラルネットワークの採用における重大な障害である。本論文では,資源-フラストレーション量子化畳込みニューラルネットワークを導入し,分類能力に悪影響を与えることなく,それらのサイズを大幅に低減した。2つのハイパースペクトルベンチマーク上で行った実験により,量子化プロセスは訓練中にシームレスに適用できることを示し,それははるかに小さくかつ十分に一般化された深いモデルに導くことを示した。Copyright 2020 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： センサ ,  画像処理 ,  量子化 ,  *ニューラルネットワーク ,  *セグメンテーション ,  記憶装置
準シソーラス用語： ディープニューラルネットワーク ,  衛星搭載 ,  地球観測 ,  フットプリント ,  学習者 ,  *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 ,  *画像セグメンテーション ,  *ハイパースペクトル , 【Automatic Indexing@JST】

著者キーワード (6件)： ハイパースペクトルイメージング ,  ディープニューラルネットワーク ,  畳み込みニューラルネットワーク ,  量子化 ,  セグメンテーション ,  分類

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (4件)： ハイパースペクトル画像 ,  セグメンテーション ,  資源 ,  畳込みニューラルネットワーク