文献

J-GLOBAL ID：202202247152318892   整理番号：22A0848138

ハイパースペクトル画像分類のための深い高次テンソル畳込みスパース符号化【JST・京大機械翻訳】

Deep High-Order Tensor Convolutional Sparse Coding for Hyperspectral Image Classification

著者 (5件)： Cheng Chunbo (School of Mathematics and Physics, Hubei Polytechnic University, Huangshi, China) ,  Li Hong (School of Mathematics and Statistics, Huazhong University of Science and Technology, Wuhan, China) ,  Peng Jiangtao (Hubei Key Laboratory of Applied Mathematics, Faculty of Mathematics and Statistics, Hubei University, Wuhan, China) ,  Cui Wenjing (School of Mathematics and Physics, Hubei Polytechnic University, Huangshi, China) ,  Zhang Liming (Faculty of Science and Technology, University of Macau, Macau, China)
資料名： IEEE Transactions on Geoscience and Remote Sensing  (IEEE Transactions on Geoscience and Remote Sensing)
巻： 60  ページ： ROMBUNNO.5520611.1-11  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： ほとんどのハイパースペクトル画像(HSI)データはテンソルの形で存在する。テンソル表現は,ベクトル表現と比較して潜在的空間四角形スペクトル構造情報を保存して,それはHSIの分類性能を改良するのを助けることができた。本論文では,深い高次フィルタを訓練するために使用できる,深い高次テンソル畳込みスパース符号化(CSC)モデルを提案した。深い高次テンソルCSCモデルに基づいて,深い特徴抽出ネットワーク(DHTCSCNet)を構築し,HSIの特徴抽出に使用した。各層で提案したDHTCSCNetによって抽出されたスペクトル-空間特性と特徴を結合することによって,浅い,深い,スペクトル,および空間的特徴を組み込んだ結合特徴を得ることができる。次に,グラフベースの学習(GSL)法を用いて,結合特徴を分類する。実験結果は,DHTCSCNetが他のHSI分類法と比較してより良い分類性能を得ることができることを示した。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： グラフ ,  *畳込み ,  *テンソル ,  表現 ,  フィルタ ,  ベクトル ,  学習 ,  情報 ,  ネットワーク ,  特徴抽出 ,  *スペクトル
準シソーラス用語： 分類法 ,  *ハイパースペクトル画像 ,  *スパースコーディング ,  空間特性 , 【Automatic Indexing@JST】

分類 (2件)： パターン認識  (JE07000S) ,  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 ,  テンソル ,  畳込み ,  スパース符号化