文献

J-GLOBAL ID：202102226376912662   整理番号：21A2455331

ハイパースペクトル画像分類のための協調学習と注意機構に基づく生成敵対ネットワーク【JST・京大機械翻訳】

Generative Adversarial Networks Based on Collaborative Learning and Attention Mechanism for Hyperspectral Image Classification

著者 (7件)： Feng Jie (Key Laboratory of Intelligent Perception and Image Understanding of Ministry of Education, Xidian University, Xi’an 710071, China) ,  Feng Xueliang (Key Laboratory of Intelligent Perception and Image Understanding of Ministry of Education, Xidian University, Xi’an 710071, China) ,  Chen Jiantong (Key Laboratory of Intelligent Perception and Image Understanding of Ministry of Education, Xidian University, Xi’an 710071, China) ,  Cao Xianghai (Key Laboratory of Intelligent Perception and Image Understanding of Ministry of Education, Xidian University, Xi’an 710071, China) ,  Zhang Xiangrong (Key Laboratory of Intelligent Perception and Image Understanding of Ministry of Education, Xidian University, Xi’an 710071, China) ,  Jiao Licheng (Key Laboratory of Intelligent Perception and Image Understanding of Ministry of Education, Xidian University, Xi’an 710071, China) ,  Yu Tao (Key Laboratory of Spectral Imaging Technology, Chinese Academy of Sciences, Beijing 100864, China)
資料名： Remote Sensing (Web)  (Remote Sensing (Web))
巻： 12  号： 7  ページ： 1149  発行年： 2020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： 限られたサンプルによるハイパースペクトル画像(HSI)の分類は挑戦的な問題である。生成敵対ネットワーク(GAN)は,小さなサンプルサイズ問題を緩和するための有望な技術である。GANは,発電機と識別器の間の競争によってサンプルを作り出すことができる。しかし,複雑な空間スペクトル分布を有するHSIのための高品質サンプルを生成することは困難であり,それはさらに識別器の性能を低下させる可能性がある。この問題に対処するために,協調学習と注意機構(CA-GAN)に基づく対称畳込みGANを提案した。CA-GANでは,発電機と弁別器は競合するだけでなく,協調する。識別器における実際のマルチクラスサンプルの浅いから深い特徴は,発電機におけるサンプル生成を助ける。発電機において,マルチブランチ畳込みネットワークに基づく動的活性化関数を定義することによって,関節空間スペクトルハード注意モジュールを考案した。それは,スペクトルおよび空間次元の両方における実際のHSIの分布に近似するために生成されたサンプルの分布を妨げ,それは誤解および交絡情報を捨てる。識別器において,畳み込みLSTM層を併合して空間文脈特徴を抽出し,同時に長期スペクトル依存性を捉えた。最後に,識別器と発電機の間の競合と協調学習を強制することによって,識別器の分類性能を改善した。HSIデータセットに関する実験は,CA-GANが,特に訓練サンプルの数が制限されるとき,高度な方法と比較して満足な分類結果を得ることを示す。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： 対称性 ,  畳込み ,  弁別器 ,  *ネットワーク ,  *スペクトル
準シソーラス用語： *協調学習 ,  *ハイパースペクトル画像 , 【Automatic Indexing@JST】

著者キーワード (5件)： 生成敵対ネットワーク ,  ハイパースペクトル画像分類 ,  協調学習 ,  ハード注意モジュール ,  畳込みLSTM

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

引用文献 (58件)：

• Chang, C.I. Hyperspectral Data Exploitation: Theory and Applications; Wiley: Hoboken, NJ, USA, 2007; pp. 441-442.
• Makki, I.; Younes, R.; Francis, C.; Bianchi, T.; Zucchetti, M. A survey of landmine detection using hyperspectral imaging. ISPRS J. Photogramm. Remote Sens. 2017, 124, 40-53.
• Gevaert, C.M.; Suomalainen, J.; Tang, J.; Kooistra, L. Generation of spectral-temporal response surfaces by combining multispectral satellite and hyperspectral UAV imagery for precision agriculture applications. IEEE J. Sel. Topics Appl. Earth Observ. Remote Sens. 2015, 8, 3140-3146.
• Brown, A.J.; Walter, M.R.; Cudahy, T.J. Hyperspectral imaging spectroscopy of a Mars analogue environment at the North Pole Dome, Pilbara Craton, Western Australia. Austral. J. Earth Sci. 2005, 52, 353-364.
• Kang, X.D.; Xiang, X.L.; Li, S.T.; Benediktsson, J.A. PCA-based edge-preserving features for hyperspectral image classification. IEEE Trans. Geosci. Remote Sens. 2017, 55, 7140-7151.

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 ,  協調学習 ,  注意 ,  敵対