文献

J-GLOBAL ID：202102251303837684   整理番号：21A0066987

教師なしマルチスペクトルリモートセンシング画像検索のためのエンドツーエンド敵対ハッシュ法【JST・京大機械翻訳】

An End-to-End Adversarial Hashing Method for Unsupervised Multispectral Remote Sensing Image Retrieval

著者 (2件)： Chen Xuelei (Shanghai Jiao Tong University,Department of Instrument Science and Engineering) ,  Lu Cunyue (Shanghai Jiao Tong University,Department of Instrument Science and Engineering)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2020  号： ICIP  ページ： 1536-1540  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： 自然画像とは異なり,リモートセンシング画像は通常マルチスペクトルである。そして,十分なラベル付けされたデータの欠如は,リモートセンシング画像検索のための教師つき学習に限界を与える。本論文では,教師なしマルチスペクトルリモートセンシング画像検索のための新しい方法を提案した。提案した方法はGANの教師なし表現学習能力を利用した。一方,新しい再構成損失は,GANにおける潜在符号を利用して,最終出力情報と代表を作った。転送学習とカラーヒストグラムを用いて,訓練をさらにガイドするための推定類似性行列を生成した。ハッシュ制約は,出力符号の二値とコンパクトを作ることができる。試験段階において,マルチスペクトル画像のハッシュコードをエンドツーエンド方式で計算することができた。マルチスペクトルリモートセンシング画像データセット,EuroSAT[1]に関する実験は,他の最先端の方法よりも提案した方法の優位性を示した。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： 学習 ,  教師つき学習 ,  再構成 ,  *エンドツーエンド方式 ,  類似性 ,  *ハッシング
準シソーラス用語： *多重スペクトル ,  カラーヒストグラム ,  マルチスペクトル画像 ,  自然画像 ,  *リモートセンシング画像 ,  表現学習 , 【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 (7件)： 教師 ,  マルチスペクトル ,  リモートセンシング ,  画像検索 ,  エンドツーエンド ,  敵対 ,  ハッシュ法