文献

J-GLOBAL ID：202202232588791900   整理番号：22A0397731

畳込みスパース符号化に基づくリモートセンシング画像分類に及ぼす損失圧縮の影響【JST・京大機械翻訳】

Effects of Lossy Compression on Remote Sensing Image Classification Based on Convolutional Sparse Coding

著者 (6件)： Wei Jingru (School of Remote Sensing and Information Engineering, Wuhan University, Wuhan, China) ,  Mi Li (School of Remote Sensing and Information Engineering, Wuhan University, Wuhan, China) ,  Hu Ye (School of Remote Sensing and Information Engineering, Wuhan University, Wuhan, China) ,  Ling Jing (School of Remote Sensing and Information Engineering, Wuhan University, Wuhan, China) ,  Li Yawen (School of Remote Sensing and Information Engineering, Wuhan University, Wuhan, China) ,  Chen Zhenzhong (School of Remote Sensing and Information Engineering, Wuhan University, Wuhan, China)
資料名： IEEE Geoscience and Remote Sensing Letters  (IEEE Geoscience and Remote Sensing Letters)
巻： 19  ページ： ROMBUNNO.8005605.1-5  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： 損失圧縮は,圧縮による導入された歪みによるリモートセンシング(RS)画像の分類精度の劣化を引き起こす。本レターでは,畳込みスパース符号化(CSC)ベースの方法を提案し,そのような効果を定量的に測定する。詳細に,CSCで用いられるフィルタをオンライン畳込み辞書学習(OCDL)により学習し,辞書を構築した。その後,スパース係数マップを乗算器(ADMM)アルゴリズムの交互方向法に基づいて得た。さらに,多重カーネル学習(MKL)を用いて,対応する分類精度を推定した。実験結果は,著者らの方法が,他の最先端のアルゴリズムと比較してRS画像の分類精度の予測において,より良く機能することを示した。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： アルゴリズム ,  *畳込み ,  フィルタ ,  乗算器 ,  多重化 ,  *リモートセンシング
準シソーラス用語： Kernel法 ,  分類精度 ,  オンライン ,  *スパースコーディング ,  *リモートセンシング画像 ,  辞書学習 , 【Automatic Indexing@JST】

分類 (3件)： パターン認識  (JE07000S) ,  図形・画像処理一般  (JE04010I) ,  信号理論  (ND02020G)

タイトルに関連する用語 (5件)： 畳込み ,  スパース符号化 ,  リモートセンシング ,  画像分類 ,  損失