文献

J-GLOBAL ID：202202253938845738   整理番号：22A0457047

ハイパースペクトル画像分類のための不均一少数ショット学習【JST・京大機械翻訳】

Heterogeneous Few-Shot Learning for Hyperspectral Image Classification

著者 (8件)： Wang Yan (School of Computer Science, Shenyang Aerospace University, Shenyang, China) ,  Liu Ming (School of Computer Science, Shenyang Aerospace University, Shenyang, China) ,  Yang Yuexin (School of Computer Science, Shenyang Aerospace University, Shenyang, China) ,  Li Zhaokui (School of Computer Science, Shenyang Aerospace University, Shenyang, China) ,  Du Qian (Department of Electrical and Computer Engineering, Mississippi State University, Starkville, MS, USA) ,  Chen Yushi (School of Electronics and Information Engineering, Harbin Institute of Technology, Harbin, China) ,  Li Fei (School of Computer Science, Shenyang Aerospace University, Shenyang, China) ,  Yang Haibo (Machine Vision Group, Fengchi Software Research Institute, Shenyang, China)
資料名： IEEE Geoscience and Remote Sensing Letters  (IEEE Geoscience and Remote Sensing Letters)
巻： 19  ページ： ROMBUNNO.5510405.1-5  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： 深層学習はハイパースペクトル画像(HSI)分類において大きな成功を達成した。しかし,その成功は十分な訓練サンプルのアベイラビリティに依存する。残念なことに,訓練サンプルの収集は,高価で,時間がかかり,ある場合には不可能であった。画像ネットやミニImageNetのようなHSIとは異なる自然画像データセットは,豊富なテクスチャと構造情報を持っている。2つの異種データセットの間の効果的知識移転は,HSI分類の精度を著しく改良することができた。本レターでは,HSI分類のための不均一少数ショット学習(HFSL)を,クラスあたり少数のラベル付きサンプルだけを用いて提案した。最初に,移動可能な知識を学習するために,ミニImageNetデータセット上で少数ショット学習を行った。次に,空間およびスペクトル情報を完全に利用するために,スペクトル-空間融合ネットワークを考案した。スペクトル情報は,純粋な1-Dオペレータによる残差ネットワークによって得た。空間情報を,純粋な2D演算子を有する畳み込みネットワークによって抽出し,そして,空間ネットワークの重みを,ミニImageNetデータセット上で訓練されたモデルの重みによって初期化した。最後に,いくつかのショット学習をHSI上で微調整し,識別的スペクトル-空間特徴と個々の知識を抽出し,新しい分類タスクの分類性能を改善できる。2つの公開HSIデータセット上で行われた実験は,HFSLが既存の少数ショット学習法や,少数のラベル付きサンプルだけによるHSI分類のための教師つき学習法より優れていることを実証した。このソースコードはhttps://github.com/Li-ZK/HFSL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： 畳込み ,  *学習 ,  オペレータ ,  ネットワーク ,  残差 ,  *スペクトル ,  アベイラビリティ ,  教師つき学習 ,  二次元 ,  粒状材
準シソーラス用語： 空間情報 ,  *ハイパースペクトル画像 ,  自然画像 ,  ソースコード ,  深層学習 , 【Automatic Indexing@JST】

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

タイトルに関連する用語 (3件)： ハイパースペクトル画像分類 ,  不均一 ,  少数ショット学習