文献

J-GLOBAL ID：202102214470094390   整理番号：21A2434157

ハイパースペクトル画像分類のための二重分岐マルチアテンション機構ネットワーク【JST・京大機械翻訳】

Double-Branch Multi-Attention Mechanism Network for Hyperspectral Image Classification

著者 (5件)： Ma Wenping (Key Laboratory of Intelligent Perception and Image Understanding of Ministry of Education, International Research Center for Intelligent Perception and Computation, Joint International Research Laboratory of Intelligent Perception and Computation, School of Artificial Intelligence, Xidian...) ,  Yang Qifan (Key Laboratory of Intelligent Perception and Image Understanding of Ministry of Education, International Research Center for Intelligent Perception and Computation, Joint International Research Laboratory of Intelligent Perception and Computation, School of Artificial Intelligence, Xidian...) ,  Wu Yue (School of Computer Science and Technology, Xidian University, Xi’an 710071, China) ,  Zhao Wei (Key Laboratory of Intelligent Perception and Image Understanding of Ministry of Education, International Research Center for Intelligent Perception and Computation, Joint International Research Laboratory of Intelligent Perception and Computation, School of Artificial Intelligence, Xidian...) ,  Zhang Xiangrong (Key Laboratory of Intelligent Perception and Image Understanding of Ministry of Education, International Research Center for Intelligent Perception and Computation, Joint International Research Laboratory of Intelligent Perception and Computation, School of Artificial Intelligence, Xidian...)
資料名： Remote Sensing (Web)  (Remote Sensing (Web))
巻： 11  号： 11  ページ： 1307  発行年： 2019年 
JST資料番号： U7270A  ISSN： 2072-4292  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： スイス (CHE)  言語： 英語 (EN)

抄録/ポイント： 最近,ハイパースペクトル画像(HSI)分類はますます多くの研究者から次第に注目を集めている。HSIは豊富なスペクトルと空間情報を持っている。したがって,これらの2種類の情報を融合する方法は,まだ研究に値する問題である。本論文では,スペクトルおよび空間特徴を抽出するために,HSI分類のための二重Branch Multi-Attention機構ネットワーク(DBMA)を提案した。このネットワークは2つの分岐を持ち,それぞれスペクトルおよび空間特徴を抽出し,2つのタイプの特徴間の干渉を減らすことができた。さらに,これらの2つの分岐の異なった特性に関して,2つのタイプの注意機構を,それぞれ2つのブランチで適用して,より識別的なスペクトルと空間的特徴を抽出することを保証した。次に抽出した特徴を分類のために融合した。3つのハイパースペクトルデータセットに関する多くの実験結果は,提案方法が最先端の方法よりよく機能することを示した。Copyright 2021 The Author(s) All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *ネットワーク ,  *スペクトル
準シソーラス用語： 空間情報 ,  *ハイパースペクトル画像 ,  ハイパースペクトルデータ ,  *ハイパースペクトル画像分類 , 【Automatic Indexing@JST】

著者キーワード (4件)： ハイパースペクトル画像分類 ,  スペクトル-空間特徴融合 ,  チャネルごとの注意 ,  空間的注意

分類 (2件)： 図形・画像処理一般  (JE04010I) ,  パターン認識  (JE07000S)

引用文献 (45件)：

• Wu, Y.; Ma, W.; Gong, M.; Su, L.; Jiao, L. A novel point-matching algorithm based on fast sample consensus for image registration. IEEE Geosci. Remote Sens. Lett. 2014, 12, 43-47.
• Wu, Y.; Miao, Q.; Ma, W.; Gong, M.; Wang, S. PSOSAC: particle swarm optimization sample consensus algorithm for remote sensing image registration. IEEE Geosci. Remote Sens. Lett. 2017, 15, 242-246.
• Ma, W.; Zhang, J.; Wu, Y.; Jiao, L.; Zhu, H.; Zhao, W. A Novel Two-Step Registration Method for Remote Sensing Images Based on Deep and Local Features. IEEE Trans. Geosc. Remote Sens. 2019.
• Ma, W.; Xiong, Y.; Wu, Y.; Yang, H.; Zhang, X.; Jiao, L. Change Detection in Remote Sensing Images Based on Image Mapping and a Deep Capsule Network. Remote Sens. 2019, 11, 626.
• Ma, W.; Yang, H.; Wu, Y.; Xiong, Y.; Hu, T.; Jiao, L.; Hou, B. Change Detection Based on Multi-Grained Cascade Forest and Multi-Scale Fusion for SAR Images. Remote Sens. 2019, 11, 142.

タイトルに関連する用語 (4件)： ハイパースペクトル画像分類 ,  分岐 ,  マルチ ,  アテンション