文献

J-GLOBAL ID：202102226066308090   整理番号：21A0669476

ハイパースペクトル画像分類のための適応近傍戦略ベース生成敵対ネットワーク【JST・京大機械翻訳】

Adaptive Neighborhood Strategy Based Generative Adversarial Network for Hyperspectral Image Classification

著者 (5件)： Liang Hongbo (School of Computer Science and Engineering, North Minzu University,Yinchuan,China) ,  Bao Wenxing (School of Computer Science and Engineering, North Minzu University,Yinchuan,China) ,  Lei Bingbing (School of Computer Science and Engineering, North Minzu University,Yinchuan,China) ,  Zhang Jian (School of Computer Science and Engineering, North Minzu University,Yinchuan,China) ,  Qu Kewen (School of Computer Science and Engineering, North Minzu University,Yinchuan,China)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2020  号： IGARSS  ページ： 862-865  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： ハイパースペクトル画像(HSI)は通常数百個の連続バンドから構成されており,高次元スペクトル特徴および不十分なラベル付きサンプルによる画素レベル分類のための課題となっている。本論文では,半教師つきHSI分類のための(AN-GAN)による適応近傍戦略ベースの生成敵対ネットワークを提案した。提案したAN-GAN手法は,まずスーパーピクセルアルゴリズム,例えば単純な線形反復クラスタリング(SLIC)を用いて,複数の空間的に均一な領域を生成した。さらに,各スーパーピクセルを,そのスペクトル類似隣接スーパーピクセルと併合した。次に,再構成されたスーパーピクセルのために,限られたラベル付きサンプルを用いて,識別器を訓練し,そして,多数のラベルなしサンプルを用いて,スパース自動符号器を用いてノイズを生成し,また,識別器性能を改善する目的で,識別器を訓練するために使用した。Pavia大学とインドPinesデータセットの両方について実験を行い,AN-GANが最先端の分類モデルと比較してより良い分類性能を提供できることを示した。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： アルゴリズム ,  雑音 ,  弁別器 ,  *ネットワーク ,  インド ,  *スペクトル ,  クラスタ化 ,  画素 ,  符号器 ,  再構成 ,  線形性 ,  高次元
準シソーラス用語： *ハイパースペクトル画像 ,  分類モデル ,  スペクトル特徴 , 【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 (5件)： ハイパースペクトル画像分類 ,  適応 ,  近傍 ,  戦略 ,  敵対