文献

J-GLOBAL ID：202102225381179689   整理番号：21A0669748

ハイパースペクトル画像分類のための深層多様体学習ネットワーク【JST・京大機械翻訳】

Deep Manifold Learning Network for Hyperspectral Image Classification

著者 (3件)： Li Zhengying (Key Laboratory of Optoelectronic Technology and Systems of the Education Ministry of China, Chongqing University,Chongqing,China,400044) ,  Huang Hong (Key Laboratory of Optoelectronic Technology and Systems of the Education Ministry of China, Chongqing University,Chongqing,China,400044) ,  Pu Chunyu (Key Laboratory of Optoelectronic Technology and Systems of the Education Ministry of China, Chongqing University,Chongqing,China,400044)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2020  号： IGARSS  ページ： 2021-2024  発行年： 2020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： 深層ニューラルネットワークは画像処理の分野で大きな成功を達成した。RGB画像の特徴表現は空間領域で容易に得られる。これと異なり,ハイパースペクトル画像(HSI)は豊富なスペクトル情報を含む一種の高次元データである。HSIにおける多様体構造を探究するために,深い多様体学習ネットワーク(DMLN)と呼ばれる新しい深層学習モデルを本論文で提案した。DMLNにおいて,グラフベースの損失関数を設計して,多様体構造の探査と深い抽象情報の抽出を結合して,それはクラス内サンプルのコンパクト性とクラス間サンプルの分離を反復的に強化することによって判別特性を得ることができた。2つの実世界のHSIデータセットに関する実験結果は,提案したDMLNがいくつかの最先端の方法より優れていることを実証した。Copyright 2021 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： *多様体 ,  損失関数 ,  *ネットワーク ,  画像処理 ,  *スペクトル ,  コンパクト性 ,  深層
準シソーラス用語： *ハイパースペクトル画像 ,  空間領域 ,  *多様体学習 ,  高次元データ ,  特徴表現 ,  深層学習 ,  ディープニューラルネットワーク ,  ハイパースペクトル画像分類 , 【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 (3件)： ハイパースペクトル画像分類 ,  深層 ,  多様体学習