文献

J-GLOBAL ID：202202242063062331   整理番号：22A0457084

S_~2E_net:ハイパースペクトルおよびLiDARデータ分類のための空間対数スペクトルクロスモーダル強化ネットワーク【JST・京大機械翻訳】

S2ENet: Spatial-Spectral Cross-Modal Enhancement Network for Classification of Hyperspectral and LiDAR Data

著者 (3件)： Fang Sheng (College of Computer Science and Engineering, Shandong University of Science and Technology, Qingdao, China) ,  Li Kaiyu (College of Computer Science and Engineering, Shandong University of Science and Technology, Qingdao, China) ,  Li Zhe (College of Computer Science and Engineering, Shandong University of Science and Technology, Qingdao, China)
資料名： IEEE Geoscience and Remote Sensing Letters  (IEEE Geoscience and Remote Sensing Letters)
巻： 19  ページ： ROMBUNNO.6504205.1-5  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： マルチモーダルデータ(例えば,ハイパースペクトルと光検出と測距(LiDAR)データ)の有効利用は,リモートセンシング(RS)分野の更なる開発に重要な意味を持つ。多くの研究は,複数のモダリティから特徴を効果的に融合する方法を探求した。しかし,融合前のマルチソースデータの相補的意味コンテンツを効果的に促進する情報相互作用に焦点を当てた。本レターでは,深層ニューラルネットワークにおけるクロスモーダル情報相互作用のための空間光電子増倍モジュール(S2EM)を提案した。特に,S2EMはハイパースペクトル特徴によるLiDARデータのスペクトル表現を増強するために,LiDAR特徴およびSpEctral増強モジュール(SEEM)によるハイパースペクトルデータの空間表現を強化するためのSpAital増強モジュール(SAEM)から成る。Houston2013データセットに関する一連の実験とアブレーション研究は,S2EMが多モードデータ間の相互作用と理解を効果的に促進することを示した。著者らのソースコードは,RSコミュニティに寄与するhttps://github.com/likyoo/Multimodal-Remote-Sensing-Toolkit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： 相互作用 ,  *ネットワーク ,  コミュニティ ,  *スペクトル ,  リモートセンシング ,  距離測定 ,  多モード ,  光検出 ,  *対数 ,  アブレーション ,  光電子 ,  コンテンツ
準シソーラス用語： モダリティ ,  *ハイパースペクトル ,  ソースコード , 【Automatic Indexing@JST】

分類 (2件)： 人工知能  (JE08000Z) ,  パターン認識  (JE07000S)

タイトルに関連する用語 (5件)： ハイパースペクトル ,  LIDARデータ ,  分類 ,  対数 ,  強化