抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
狭いスペクトルバンド(10nm以上)に対して豊富なスペクトル情報を得るハイパースペクトル画像(HSI)は,地球を定性的および定量的に感知する能力を大きく改善した。HSIは,非常に多数の波長にわたって高分解能機器によって収集されるので,そのようなセンサによって生成されたデータは莫大なものであり,データの量は成長し続け,HSI圧縮技術はこの傾向においてより重要な役割を果たす。HSI圧縮の古典的方法は,三次元ウェーブレットベース技術または主成分分析(PCA)変換のような圧縮および再構成法を通している。本論文では,ランダム潜在符号から実データの確率分布を学習する,生成ニューラルネットワーク(GNN)によるHSI圧縮の代替アプローチを提案した。これは,一群の密度を定義し,このファミリーと実際のデータ分布の間の距離を最小化することにより達成される。次に,よく訓練されたニューラルネットワークはHSIの表現であり,圧縮比はGNNの複雑性によって決定される。さらに,潜在符号は,ランダム分布を有する数字を埋め込むことによって暗号化することができ,それにより,符号秘密を作った。実験例を提示して,HSIの分野における画像圧縮問題を解決するGNNの可能性を実証した。他のアルゴリズムと比較して,それは高い圧縮比においてより良い性能を有して,深い学習技術の急速な発展とともに改良のためにまだ多くの余地があった。Copyright 2021 The Author(s) All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】