文献

J-GLOBAL ID：202202245324277102   整理番号：22A0202655

ハイパースペクトル画像分類のためのスペクトル没入空間結合注意を持つ特徴グループ化ネットワーク【JST・京大機械翻訳】

Feature-Grouped Network With Spectral-Spatial Connected Attention for Hyperspectral Image Classification

著者 (3件)： Guo Wenhui (Department of Applied Mathematics, College of Sciences, China Jiliang University, Hangzhou, China) ,  Ye Hailiang (Department of Applied Mathematics, College of Sciences, China Jiliang University, Hangzhou, China) ,  Cao Feilong (Department of Applied Mathematics, College of Sciences, China Jiliang University, Hangzhou, China)
資料名： IEEE Transactions on Geoscience and Remote Sensing  (IEEE Transactions on Geoscience and Remote Sensing)
巻： 60  ページ： ROMBUNNO.5500413.1-13  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画像(HSI)分類における深層学習法の使用は,近年の特徴を自動的に抽出するその強力な能力により有望なアプローチである。本論文は,HSI分類問題のための新規な深いフレームワークを提案して,スペクトル-空間接続注意機構(FG-SSCA)に基づく特徴グループ化ネットワークとして参照した。既存の深層学習法と異なり,提案フレームワークは,スペクトル注意モジュールと空間注意モジュールを,生HSI入力から連続的に統合し,それは畳み込みニューラルネットワークに埋め込まれ,スペクトルバンドの識別能力を強化し,隣接画素間の空間関連性を学習できる。一方,生成特徴マップをスペクトルバンドの方向に沿ってシーケンスの一連の小グループにスライスし,各グループが多重スペクトルおよび空間残留ブロックを通して空間光電子スペクトル特徴を連続的に抽出する。この特徴グループ戦略は,帯域の冗長性と差異を完全に利用することができ,より利用可能で貴重な情報を得ることができる。提案したFG-SSCA法は,一般化性能を大きく改善し,HSI分類において大きな成功をした。いくつかのHSIベンチマークデータセットに関する実験結果は,HSI分類のための最先端の手法と比較して,提案した方法の有効性と優位性を証明した。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： 光電子スペクトル ,  冗長性 ,  *ネットワーク ,  *スペクトル ,  画素 ,  有効性 ,  スペクトルバンド ,  周波数帯
準シソーラス用語： 多重スペクトル ,  *ハイパースペクトル画像 ,  特徴マップ ,  深層学習 ,  ハイパースペクトル画像分類 ,  畳込みニューラルネットワーク , 【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 (4件)： ハイパースペクトル画像分類 ,  スペクトル ,  注意 ,  グループ化