文献

J-GLOBAL ID：202202232889709199   整理番号：22A0913272

表現コンシステンシーシーズネットワークを用いた半教師付きリモートセンシング画像シーン分類【JST・京大機械翻訳】

Semi-Supervised Remote-Sensing Image Scene Classification Using Representation Consistency Siamese Network

著者 (3件)： Miao Wang (School of Electronics and Information, Northwestern Polytechnical University, Xi’an, China) ,  Geng Jie (School of Electronics and Information, Northwestern Polytechnical University, Xi’an, China) ,  Jiang Wen (School of Electronics and Information, Northwestern Polytechnical University, Xi’an, China)
資料名： IEEE Transactions on Geoscience and Remote Sensing  (IEEE Transactions on Geoscience and Remote Sensing)
巻： 60  ページ： ROMBUNNO.5616614.1-14  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： 深層学習は,注釈付きの多数のデータセットを訓練に適用することができるので,遠隔センシング画像シーン分類において優れた性能を達成した。しかしながら,実際の応用では,遠隔センシング画像において,ほんの少しの注釈付きサンプルと多数の非注釈サンプルがあり,それは,深いモデルの過剰適合をもたらし,そして,シーン分類の性能に影響を及ぼす。これらの問題に取り組むために,遠隔センシング画像シーン分類のために,半教師つき表現一貫性Siameseネットワーク(SS-RCSN)を提案した。最初に,遠隔センシング画像のクラス内多様性とクラス間類似性を考慮して,インボリューション生成敵対ネットワーク(GAN)を利用して,教師なし学習による遠隔センシング画像から識別特徴を抽出した。次に,表示一貫性損失を有するSiameseネットワークを,半教師つき分類のために提案して,それはラベル付きおよびラベルなしデータの差異を減少することを目指した。UC Mercedデータセット,RESICS-45データセット,空中画像データセット(AID)およびRSデータセットに関する実験結果は,著者らの方法が他の半教師つき学習(SSL)法と比較して優れた分類性能をもたらすことを示した。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： *表現 ,  学習 ,  データ ,  *ネットワーク ,  分類 ,  教師なし学習 ,  表示 ,  *画像 ,  類似性 ,  機械学習 ,  アノテーション
準シソーラス用語： 敵意 ,  半教師つき学習 ,  *リモートセンシング画像 ,  空中画像 ,  *シーン分類 ,  半教師付き分類 ,  深層学習 , 【Automatic Indexing@JST】

分類 (3件)： 図形・画像処理一般  (JE04010I) ,  パターン認識  (JE07000S) ,  人工知能  (JE08000Z)

タイトルに関連する用語 (4件)： 表現 ,  教師 ,  リモートセンシング画像 ,  シーン分類