文献

J-GLOBAL ID：202002248560515202   整理番号：20A2662333

深層畳込みニューラルネットワークによる空中ハイパースペクトル画像の知識誘導分類【JST・京大機械翻訳】

Knowledge guided classification of airborne hyperspectral images with deep convolutional neural network

著者 (7件)： Yu Junchuan (China Aero-Geophysical Survey and Remote Sensing Ctr. for Natural Resources (China)) ,  Li Yichuan (China Aero-Geophysical Survey and Remote Sensing Ctr. for Natural Resources (China)) ,  Zheng Siqun (Agricultural Bank of China, Beijing Branch (China)) ,  Shao Zhitao (China Aero-Geophysical Survey and Remote Sensing Ctr. for Natural Resources (China)) ,  Liu Rongyuan (China Aero-Geophysical Survey and Remote Sensing Ctr. for Natural Resources (China)) ,  Ma Yanni (China Aero-Geophysical Survey and Remote Sensing Ctr. for Natural Resources (China)) ,  Gan Fuping (China Aero-Geophysical Survey and Remote Sensing Ctr. for Natural Resources (China))
資料名： Proceedings of SPIE  (Proceedings of SPIE)
巻： 11566  ページ： 115660D-5  発行年： 2020年 
JST資料番号： D0943A  ISSN： 0277-786X  CODEN： PSISDG  資料種別： 会議録 (C)
記事区分： 短報  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： ハイパースペクトル画像(HSI)は数百のスペクトル情報を含み,詳細なスペクトル情報を提供し,土地被覆分類に固有の利点を持っている。ハイパースペクトル機構に関する以前の研究から利益を得て,ハイパースペクトル技術は分類において著しい進展を達成した。顕著な学習能力をもつ深層学習技術は,分類に不可欠なHISの空間およびスペクトル情報をよりよく抽出できる。しかし,HIS分類における深層学習の研究および応用は,特に事前知識との組み合わせに関して,まだ不十分であり,それは,データ最適化において利点を持った。本論文では,新しいCNNネットワーク,名称IUNet,を航空機搭載ハイパースペクトル分類のために提案する。さらに,HISデータを最適化するために,放射一貫性補正(RCC)と最小雑音分数(MNF)のような一連の知識誘導法を導入した。選択したスペクトル指数を用いて,目標の特性に従って分類精度を改善した。吉林省のGongzhuling地域からのHyMap画像を実験に使用し,そして,実験結果は,データ最適化における事前知識の適用が,深い学習に基づくハイパースペクトル分類の分類性能を著しく改良できることを示した。COPYRIGHT SPIE. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 最適化 ,  雑音 ,  *ネットワーク ,  *スペクトル
準シソーラス用語： 事前知識 ,  *ハイパースペクトル ,  スペクトル指数 ,  *ハイパースペクトル画像 ,  学習能力 ,  分類精度 ,  航空機搭載 ,  土地被覆分類 ,  HyMap ,  深層学習 , 【Automatic Indexing@JST】

分類 (2件)： 図形・画像処理一般  (JE04010I) ,  リモートセンシング一般  (AD04000L)

タイトルに関連する用語 (5件)： 深層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 ,  知識 ,  誘導 ,  分類