文献

J-GLOBAL ID：202202241610734007   整理番号：22A0202644

多重解像度リモートセンシング画像分類のための新しい適応ハイブリッド融合ネットワーク【JST・京大機械翻訳】

A Novel Adaptive Hybrid Fusion Network for Multiresolution Remote Sensing Images Classification

著者 (7件)： Ma Wenping (Key Laboratory of Intelligent Perception and Image Understanding, Ministry of Education, School of Artificial Intelligence, Xidian University, Xi’an, China) ,  Shen Jianchao (Key Laboratory of Intelligent Perception and Image Understanding, Ministry of Education, School of Artificial Intelligence, Xidian University, Xi’an, China) ,  Zhu Hao (Key Laboratory of Intelligent Perception and Image Understanding, Ministry of Education, School of Artificial Intelligence, Xidian University, Xi’an, China) ,  Zhang Jun (Key Laboratory of Intelligent Perception and Image Understanding, Ministry of Education, School of Artificial Intelligence, Xidian University, Xi’an, China) ,  Zhao Jiliang (Key Laboratory of Intelligent Perception and Image Understanding, Ministry of Education, School of Artificial Intelligence, Xidian University, Xi’an, China) ,  Hou Biao (Key Laboratory of Intelligent Perception and Image Understanding, Ministry of Education, School of Artificial Intelligence, Xidian University, Xi’an, China) ,  Jiao Licheng (Key Laboratory of Intelligent Perception and Image Understanding, Ministry of Education, School of Artificial Intelligence, Xidian 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.5400617.1-17  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： 地球観測技術の急速な発展により,パンクロマチック(PAN)とマルチスペクトル(MS)画像も容易に得られるようになった。基本的なMS画像分析タスクとしてのPANとMS画像の多重解像度分類は,研究ホットスポットになった。この分野における主な課題は,データおよび抽出特徴を効果的に分類精度を改善する方法であった。本論文では,多重解像度リモートセンシング画像分類のための新しい適応ハイブリッド融合ネットワーク(AHF-Net)を設計した。それは2つの部分を含む:データ融合と特徴融合。データ融合部分において,著者らは,情報共有の展望から互いのユニークな情報を適応的に追加することによって,MSとPAN画像の間の差異を減少することができる適応加重強度-時間-飽和(AWIHS)戦略を提案した。特徴融合部分において,特徴の二次相関から始めて,相関ベースの注意特徴融合(CAFF)モジュールを提案した。それは,入力特徴チャネルの重要性に従って,融合係数を適応的に決定することにより,融合特徴の識別を改善できる。AWIHSとCAFFに基づいて,特徴ピラミッドのアイデアによって触発されて,著者らはAHF-Netのバックボーンネットワークとしてマルチレベル特徴融合と二重分枝残差ネットワークを結合した。AWIHSとCAFFモジュールをバックボーンネットワークと組み合わせることにより,AHF-Netは多重解像度リモートセンシング画像の分類精度を効果的に改善できる。提案したアルゴリズムの有効性を多重データセットで検証した。著者らのコードとモデルはhttps://github.com/1826133674/AHF-Netで利用可能である。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 ,  *ネットワーク ,  残差 ,  基幹回線 ,  ホットスポット ,  角錐 ,  画像分析 ,  チャネル ,  データ融合 ,  情報共有
準シソーラス用語： *多重解像度 ,  マルチレベル ,  分類精度 ,  地球観測 ,  *リモートセンシング画像 , 【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 (5件)： 多重解像度 ,  リモートセンシング画像 ,  分類 ,  適応 ,  融合