文献

J-GLOBAL ID：202002270185375460   整理番号：20A0830886

空間スペクトル前訓練によるDNNベースのハイパースペクトル画像雑音除去【JST・京大機械翻訳】

DNN-based Hyperspectral Image Denoising with Spatio-spectral Pre-training

著者 (3件)： Itasaka Tatsuki (The University of Kitakyushu,Kitakyushu,Japan) ,  Imamura Ryuji (The University of Kitakyushu,Kitakyushu,Japan) ,  Okuda Masahiro (The University of Kitakyushu,Kitakyushu,Japan)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2019  号： GCCE  ページ： 568-572  発行年： 2019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： DNNに基づくハイパースペクトル画像雑音除去のための方法を提案した。近年,大規模・カラー画像の復元問題に深い学習を適用するための多くの方法が提案されており,その性能は従来の方法の性能を超えている。これらの深い学習法を成功させるために,学習システムの性能を実証するのに十分な大きなデータセットに大きな貢献がなされている。しかしながら,ハイパースペクトル画像に対しては,そのような大きなデータセットを得ることはしばしば困難である。本論文では,ハイパースペクトル画像復元の問題に取り組むために,分離可能なCNNを用いた雑音除去ネットワークを研究した。データ不足問題を扱うために,二次元画像と一次元スペクトル情報を用いることにより,分離可能なネットワークにおいて二つのタイプの畳込み層を訓練する事前訓練法を提案した。この方法では,少数のハイパースペクトル画像しか利用できない場合でも,訓練を効果的に実行することが可能である。その結果,従来のモデルベースの最先端技術よりも良好な雑音除去性能を達成することが可能であることを示した。Copyright 2020 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： カラー画像 ,  ネットワーク ,  一次元 ,  学習 ,  *スペクトル ,  *雑音除去 ,  畳込み
準シソーラス用語： モデルベース ,  二次元画像 ,  *ハイパースペクトル画像 ,  *画像雑音除去 ,  *ハイパースペクトル , 【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 (4件)： スペクトル ,  訓練 ,  ハイパースペクトル画像 ,  雑音除去