文献

J-GLOBAL ID：202202214639991885   整理番号：22A0202684

Auto-AD:完全畳込みオートエンコーダに基づく自律ハイパースペクトル異常検出ネットワーク【JST・京大機械翻訳】

Auto-AD: Autonomous Hyperspectral Anomaly Detection Network Based on Fully Convolutional Autoencoder

著者 (4件)： Wang Shaoyu (State Key Laboratory of Information Engineering in Surveying, Mapping and Remote Sensing, Wuhan University, Wuhan, China) ,  Wang Xinyu (School of Remote Sensing and Information Engineering, Wuhan University, Wuhan, China) ,  Zhang Liangpei (State Key Laboratory of Information Engineering in Surveying, Mapping and Remote Sensing, Wuhan University, Wuhan, China) ,  Zhong Yanfei (State Key Laboratory of Information Engineering in Surveying, Mapping and Remote Sensing, Wuhan University, Wuhan, China)
資料名： IEEE Transactions on Geoscience and Remote Sensing  (IEEE Transactions on Geoscience and Remote Sensing)
巻： 60  ページ： ROMBUNNO.5503314.1-14  発行年： 2022年 
JST資料番号： H0016B  ISSN： 0196-2892  CODEN： IGRSD2  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： ハイパースペクトル異常検出は,それらの周辺とは異なる観測を検出し,ハイパースペクトル画像処理における研究の活性領域である。最近,オートエンコーダ(AE)をハイパースペクトル異常検出に適用した。しかしながら,既存のAEベースの方法は複雑で,手動パラメータ設定と前処理および/または後処理手順を含む。本論文では,自律ハイパースペクトル異常検出ネットワーク(Auto-AD)を提案し,その中でバックグラウンドをネットワークによって再構成し,異常を再構成誤差として現れる。特に,スキップ接続による完全畳込みAEを通して,異常はバックグラウンドと比較して比較的小さく,画像で発生する確率が低いので,異常は再構成するのが困難であった。異常再構成をさらに抑制するために,適応加重損失関数を設計し,そこでは,大きな再構成誤差を有する潜在的異常画素の重みを訓練中に減らした。その結果,異常は再構成誤差のマップにおいてバックグラウンドとより高いコントラストを有した。公共航空機搭載データセットと2無人航空機搭載ハイパースペクトルデータセットで得た実験結果は,提案したAuto-AD法の有効性を確認した。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： コントラスト ,  *畳込み ,  損失関数 ,  *ネットワーク ,  前処理 ,  活性部位 ,  画素 ,  後処理 ,  再構成 ,  有効性
準シソーラス用語： *ハイパースペクトル ,  ハイパースペクトル画像 ,  異常検出 ,  航空機搭載 ,  *自己符号化器 , 【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 (6件)： AD ,  畳込み ,  オートエンコーダ ,  自律 ,  ハイパースペクトル ,  異常検出