文献

J-GLOBAL ID：202002233680043564   整理番号：20A2085201

ハイパースペクトル画像分類のための三次畳込みニューラルネットワーク【JST・京大機械翻訳】

Cubic Convolutional Neural Network for Hyperspectral Image Classification

著者 (3件)： Sun Le (Jiangsu Engineering Center of Network Monitoring, Nanjing University of Information Science and Technology, Nanjing, China) ,  Sun Le (School of Computer and Software, Nanjing University of Information Science and Technology, Nanjing, China) ,  Song Xiangbo (School of Computer and Software, Nanjing University of Information Science and Technology, Nanjing, China)
資料名： Communications in Computer and Information Science  (Communications in Computer and Information Science)
巻： 1254  ページ： 234-245  発行年： 2020年 
JST資料番号： W5071A  ISSN： 1865-0929  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： ドイツ (DEU)  言語： 英語 (EN)

抄録/ポイント： 近年,深層学習(DL)に基づく畳み込みニューラルネットワークのフレームワークは,ハイパースペクトル画像(HSI)分類の分野で良い進歩を遂げた。分類精度を改善し,モデルの時間複雑性を減らすために,HSIの分類のためのエンドツーエンド立方畳込みニューラルネットワーク(C-CNN)フレームワークを提案した。C-CNNは,オリジナルのHSIの次元を減らすために,それぞれ一次元畳込みと主成分分析(PCA)操作を使用し,処理データを併合する。次に,空間ドメインと空間スペクトルドメインからデータキューブを畳み込むことにより,HSIの深い特徴を得た。バッチ正規化とドロップアウト層を用いて過剰適合を防いだ。提案したC-CNNフレームワークは80年代以内に最適結果を達成できる。広く使用されたハイパースペクトル画像データセットによる実験結果は,提案方法がDLに基づく既存の最先端の方法を上回ることを示した。Copyright Springer Nature Singapore Pte Ltd. 2020 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 ,  主成分分析 ,  正規化
準シソーラス用語： *ハイパースペクトル画像 ,  複雑性 ,  分類精度 ,  データキューブ ,  深層学習 ,  *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 , 【Automatic Indexing@JST】

著者キーワード (3件)： ハイパースペクトル画像 ,  三次畳込みニューラルネットワーク ,  深層学習

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (2件)： 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