文献

J-GLOBAL ID：202202210409928203   整理番号：22A0203826

リモートセンシング画像の土地被覆分類のための単一および混合精度浮動小数点における分離可能な注意ネットワーク【JST・京大機械翻訳】

Separable Attention Network in Single- and Mixed-Precision Floating Point for Land-Cover Classification of Remote Sensing Images

著者 (6件)： Paoletti Mercedes E. (Department of Computer Architecture, Complutense University of Madrid, Madrid, Spain) ,  Haut Juan M. (Hyperspectral Computing Laboratory, University of Extremadura, Ca ́ceres, Spain) ,  Alipour-Fard T. (Department of Surveying Engineering, Graduate University of Advanced Technology, Kerman, Iran) ,  Roy Swalpa K. (Department of Computer Science and Engineering, Jalpaiguri Government Engineering College, Jalpaiguri, India) ,  Hendrix Eligius M. T. (Department of Computer Architecture, University of Ma ́laga, Ma ́laga, Spain) ,  Plaza A. (Hyperspectral Computing Laboratory, University of Extremadura, Ca ́ceres, Spain)
資料名： IEEE Geoscience and Remote Sensing Letters  (IEEE Geoscience and Remote Sensing Letters)
巻： 19  ページ： ROMBUNNO.2501605.1-5  発行年： 2022年 
JST資料番号： W1397A  ISSN： 1545-598X  CODEN： IGRSBY  資料種別： 逐次刊行物 (A)
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： 土地被覆情報は広範囲の環境および社会経済的応用において極めて重要である。深層学習(DL)は,生画像から有用な情報を抽出するための多様な潜在的モデルを提供する。しかし,リモートセンシング画像(RSI)分類は,高いサンプル変動性やラベル付きデータの欠如などのデータの固有特徴のために,挑戦的な目標のままである。これは,深い分類器の信頼性への挑戦を提供する。特に,畳込みベースのモデルは,過剰適合と消失勾配問題によって大いに影響を受ける。これらの欠点を克服するために,本論文では,注意モジュールブロックを含む新しい注意ベースアーキテクチャを提示した。これらのブロックは,それらの入力特徴マップをいくつかのグループに分割し,チャネル次元に沿ってそれらを分割し,次にそれらを結合し,大域的文脈情報を符号化する注意マスクを生成する。マスクを適用して,精密化された特徴表現を得て,最も顕著に分類に影響し,残りを減衰させるそれらの特徴を強化した。著者らの新しい方法は,訓練可能なパラメータの数を著しく減らした。いくつかの広く使用されたRSIsを用いて得られた結果は,いくつかの最先端の方法と比較して,新しい方法がより高い分類性能を示すことを明らかにした。Copyright 2022 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： 畳込み ,  信頼性 ,  *ネットワーク ,  精密化 ,  チャネル ,  *土地被覆
準シソーラス用語： 文脈情報 ,  社会経済 ,  特徴マップ ,  *リモートセンシング画像 ,  *土地被覆分類 ,  深層学習 , 【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 (4件)： リモートセンシング画像 ,  土地被覆分類 ,  浮動小数点 ,  注意