米の起源を追跡するための認識のハイパースペクトル情報のための注意モジュールを有する残存ネットワーク【JST・京大機械翻訳】

Men Hong; Yuan Hangcheng; Shi Yan; Liu Mei; Wang Qiuping; Liu Jingjing

文献

J-GLOBAL ID：202102223341740844 整理番号：21A2623074

米の起源を追跡するための認識のハイパースペクトル情報のための注意モジュールを有する残存ネットワーク【JST・京大機械翻訳】

A residual network with attention module for hyperspectral information of recognition to trace the origin of rice

出版者サイト複写サービスで全文入手 {{ this.onShowCLink("http://jdream3.com/copy/?sid=JGLOBAL&noSystem=1&documentNoArray=21A2623074&COPY=1") }}
高度な検索・分析はJDreamⅢで {{ this.onShowJLink("http://jdream3.com/lp/jglobal/index.html?docNo=21A2623074&from=J-GLOBAL&jstjournalNo=E0128B") }}

著者 (6件)： , , , , ,
資料名：
巻： 263 ページ： Null 発行年： 2021年
JST資料番号： E0128B ISSN： 1386-1425 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)

本研究では,ハイパースペクトル情報認識のためのニューラルネットワークフレームワークを提案し,残留ブロックおよび畳込みブロック注意モジュール(CBAM)と組み合わせて,米品質を追跡するためのハイパースペクトルの検出性能を強化した。最初に,ハイパースペクトル画像システムを用いて,イネのハイパースペクトル情報を得た。第2に,小さなデータセットのために,残差ネットワークの構造を,モデルの過剰適合を防ぐために,ハイパースペクトル情報の特性に基づいて設計した。最後に,CBAMを導入して,重量パラメータを再分布して,モデルの分類性能を強化するためのチャネルと空間的注意を計算した。結果は,著者らの(Res-CBAM)モデルが他の分類方法より良い分類性能を有することを示した。イネの分類精度は96.33%であった。本研究は,ハイパースペクトルの検出性能を強化するための戦略と,米品質を追跡するためのインテリジェント技術を提供した。Copyright 2021 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

, , , , ,
, , , 【Automatic Indexing@JST】

著者キーワード (5件)： , , , ,

有機化合物の赤外スペクトル及びRaman散乱,Ramanスペクトル , 物理化学一般その他 , 固-気界面一般

, , , , , ,

前のページに戻る