文献

J-GLOBAL ID：202102263672851109   整理番号：21A0669568

ハイパースペクトル画像分類のための多次元CNN【JST・京大機械翻訳】

Multi-Dimension CNN for Hyperspectral Image Classificaton

著者 (2件)： Cai Haojie (Institute of Geophysics and Geomatics, China University of Geosciences,Wuhan,China) ,  Chen Tao (Institute of Geophysics and Geomatics, China University of Geosciences,Wuhan,China)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2020  号： IGARSS  ページ： 1275-1278  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リモートセンシングは,豊富な空間,放射,およびスペクトル情報のために地球観測研究の分野において役割を果たす。深層学習の急速な発展によって,深いニューラルネットワークは,ハイパースペクトルリモートセンシング画像分類タスクにおいて広く使われているが,同時に,訓練サンプルのための高需要,時間消費モデル訓練のような一連の困難が生じた。畳込みニューラルネットワーク(CNN)は,特徴学習の能力のためによく知られており,ハイパースペクトル画像分類において優れた性能を示した。本論文では,一次元CNN(1D-CNN)モジュールを,二次元CNN(2D-CNN)後に追加し,従って,完全ネットワーク構造は,多次元CNN(MD-CNN)と呼ばれる2つの異なる次元CNNを含んだ。提案した1D-CNNブロックは文脈的特徴を学習し,より識別力を持つことが期待される。ハイパースペクトル画像ベンチマークデータセットによる実験結果は,提案方法が最先端のCNNベースの分類方法より優れていることを証明した。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 ,  ニューラルネットワーク ,  *スペクトル ,  ネットワーク構造 ,  二次元 ,  一次元 ,  *高次元
準シソーラス用語： 分類法 ,  *ハイパースペクトル画像 ,  *画像分類 ,  地球観測 ,  ハイパースペクトル・リモートセンシング ,  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 (3件)： ハイパースペクトル画像分類 ,  多次元 ,  CNN