文献

J-GLOBAL ID：202102230530710475   整理番号：21A0669396

GaborフィルタリングとCNNによるFisher線形判別分析特徴低減を用いたハイパースペクトル画像分類【JST・京大機械翻訳】

Hyperspectral Image Classification Using Fisher’s Linear Discriminant Analysis Feature Reduction with Gabor Filtering and CNN

著者 (4件)： Zhou Meilun (Geosystems Research Institute, Mississippi State University,Starkville,MS,USA,39759) ,  Samiappan Sathishkumar (Geosystems Research Institute, Mississippi State University,Starkville,MS,USA,39759) ,  Worch Ethan (Geosystems Research Institute, Mississippi State University,Starkville,MS,USA,39759) ,  Ball John E. (Geosystems Research Institute, Mississippi State University,Starkville,MS,USA,39759)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2020  号： IGARSS  ページ： 493-496  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)特徴抽出と分類のための深層学習ベースのアプローチは,近年人気を得ている。オーバーフィッティングを避けるために畳み込みニューラルネットワーク(CNN)を用いてHSIを分類するために,スペクトルおよび空間情報の効果的な抽出が望まれる。以前の研究は,Fisherの線形判別分析(LDA)が,主成分分析(PCA)と比較して,HSI特徴低減のためのより良い代替であることを示唆する。本研究では,CNNを用いて空間特徴と分類を抽出するためのGaborフィルタと共に次元縮小者としてLDAアプローチを研究した。提案した方法の有効性をPCAによる類似の分類方式と比較した。2つのベンチマークHSIデータセットからの実験結果は,クラスと全体精度の顕著な改善を伴うLDA利用の利点を示した。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： 特徴抽出 ,  *スペクトル ,  有効性 ,  主成分分析 ,  次元縮小 ,  ベンチマーク
準シソーラス用語： 空間情報 ,  *Gaborフィルタ ,  *ハイパースペクトル画像 ,  *線形判別分析 ,  深層学習 ,  *ハイパースペクトル画像分類 ,  畳込みニューラルネットワーク , 【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 (4件)： Gaborフィルタ ,  CNN ,  線形判別分析 ,  ハイパースペクトル画像分類