改良された衛星画像時系列分類のための改装VAE【JST・京大機械翻訳】

Cai Xin; Bi Yaxin; Nicholl Peter

プレプリント

J-GLOBAL ID：202202212075187337 整理番号：22P0322370

改良された衛星画像時系列分類のための改装VAE【JST・京大機械翻訳】

Tampered VAE for Improved Satellite Image Time Series Classification

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (3件)： , ,
資料名：
発行年： 2022年03月30日プレプリントサーバーでの情報更新日： 2022年03月30日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

作物型マッピングのための空間および時間高解像度衛星画像時系列(SITS)の前例のないアベイラビリティは,両方の次元から生じる課題を収容するための深い学習アーキテクチャを必要とすると考えられている。最近の最先端の深層学習モデルは,空間および時間符号器を積層することによって有望な結果を示した。しかしながら,時間的次元,すなわち空間次元を無視する,だけで動作するピラミッド時間-Series変換器(PTST)は,GPUメモリ消費と容易な拡張性の劇的な減少で優れた結果を作り出すことができる。さらに,潜在空間にクラスタリング機構を導入し,線形分離性を促進する分類フレンドリーなVAEフレームワークを提案することにより,半教師つき学習を行う。その結果,潜在空間のいくつかの主軸は,生データにおける分散の大部分を説明することができた。一方,提案したt弱体を有するVAEフレームワークは,ラベル付きデータの40%だけを用いるとき,純粋に識別できる対応物として競合分類性能を維持することができる。提案したフレームワークは,そのモジュール性と単純さのためにSITSによる作物分類のベースラインとして役立つことを期待する。【JST・京大機械翻訳】

, , , , , , , , , , ,
, , , , 【Automatic Indexing@JST】

パターン認識 , リモートセンシング一般

, , , ,

前のページに戻る