文献

J-GLOBAL ID：202202255174088635   整理番号：22A0977180

少数ショット空中画像シーン分類のためのAIFS-DATASET【JST・京大機械翻訳】

AIFS-DATASET for Few-Shot Aerial Image Scene Classification

著者 (4件)： Li Lingjun (School of Automation, Northwestern Polytechnical University, Xi’an, China) ,  Yao Xiwen (School of Automation, Northwestern Polytechnical University, Xi’an, China) ,  Cheng Gong (School of Automation, Northwestern Polytechnical University, Xi’an, China) ,  Han Junwei (School of Automation, Northwestern Polytechnical 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.5618211.1-11  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： 限られたサンプルで非セエンスカテゴリを迅速に認識することを目的とする少数ショット学習(FSL)は,空中画像シーン分類において広い注目を引きつけた。しかし,既存の方法は,データセット内のモデルを訓練し,評価し,データセットの変更は再訓練と評価を必要とし,データセットの一般化のみを実現する。メタ学習を考慮すると,これは,自然な仮定をもたらす:FSLは,交差ドメイン異種タスクからメタ知識を学習し,次に,少数のサンプルで新しいデータ分布(例えばデータセット)に一般化できる。この目的のために,多様なデータセットで構成され,より現実的な不均一タスク分布を提供できる,新しいベンチマーク,dubbed空中画像数ショットデータセット(AIFS-DATASET)を提案した。AIFS-DATASET上で,著者らは,任意の空中画像カテゴリーなしでマルチドメインを横断して,多くの不均一タスクを用いて,このモデルを訓練して,「より多くの」を達成した。次に,著者らは,モデルの一般化性能を評価するために,空中画像において学習された知識を新しいタスクに転送して,このように,”坑井情報”少数ショット空中画像シーン分類モデルを得た。さらに,空中画像におけるクラス間類似性とクラス内不一致の課題がまだ存在する。また,可変学習タスクを適応的に処理するための二重制約距離メトリック学習(DC-DML)フレームワークを開発し,メトリック学習の展望からクラス間のクラスと明確な分布ギャップ内のコンパクトなデータ分布を達成した。DC-DMLは主にタスク適応特徴抽出器を使用し,クロスクラスバイアスペナルティで新しい距離メトリックを考案する。AIFS-DATASETに関する実験により,DC-DMLは,大きなマージンによって現在の一般的なFSLアプローチより優れていることを観察した。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： *学習 ,  データ ,  分類 ,  分布 ,  適応 ,  *画像 ,  坑井 ,  粒状材 ,  抽出装置 ,  ベンチマーク ,  ペナルティ ,  機械学習 ,  フレームワーク【ソフトウェア開発】
準シソーラス用語： メタ学習 ,  *空中画像 ,  メトリック学習 ,  距離メトリック学習 , 【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 (3件)： ショット ,  空中画像 ,  シーン分類