文献

J-GLOBAL ID：202202258083859105   整理番号：22A0553811

ハイパースペクトルパンシャープニングのための多段デュアルアテンション誘導融合ネットワーク【JST・京大機械翻訳】

Multistage Dual-Attention Guided Fusion Network for Hyperspectral Pansharpening

著者 (2件)： Guan Peiyan (Department of Electrical and Electronic Engineering, The University of Hong Kong, Hong Kong, SAR, China) ,  Lam Edmund Y. (Department of Electrical and Electronic Engineering, The University of Hong Kong, Hong Kong, SAR, China)
資料名： IEEE Transactions on Geoscience and Remote Sensing  (IEEE Transactions on Geoscience and Remote Sensing)
巻： 60  ページ： ROMBUNNO.5515214.1-14  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： 深層学習,特に畳み込みニューラルネットワークは,ハイパースペクトルパンシャープ化問題を解決するために広く適用されてきた。しかし,ネットワークの限られた表現能力のために,画像内特性と画像間相関を同時に探索せず,高解像度パンクロマチック画像(HR-PANs)と低解像度ハイパースペクトル画像(LR-HSI)で符号化された貴重な情報の不十分な融合につながる可能性がある。この問題に対処するために,著者らは,重要な情報を完全に抽出して,それらを正確に融合するために,多段二重注意誘導融合ネットワーク(MDA-Net)と呼ばれるハイパースペクトルパンシャープ化法を開発した。それは3ストリーム構造を採用し,ネットワークが各入力の固有特性とそれらの間の相関を同時に組み込むことができる。できるだけ多くの情報を組み合わせるために,著者らは,スペクトルおよび空間的注意機構を有する二重注意誘導融合ブロック(DAFB)を,効率的に特徴を融合するために利用する多重ステージにおける3つのストリームから抽出した特徴を併合した。それは,空間およびスペクトル領域の両方で有用な成分を同定し,それは融合精度の改善に有益である。さらに,ネットワークの表現力を改善する高密度で階層的特徴を抽出するために,マルチスケール残差高密度ブロック(MRDB)を設計した。実および模擬データセットの両方について実験を行った。評価結果は,MDA-Netの優位性を実証した。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： *ネットワーク ,  評価 ,  残差 ,  相関 ,  *スペクトル ,  画像 ,  多重化 ,  スペクトル画像 ,  高分解能 ,  機械学習
準シソーラス用語： 表現力 ,  ハイパースペクトル画像 ,  マルチスケール ,  高密度 ,  低分解能 ,  深層学習 ,  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 (5件)： 多段 ,  デュアル ,  アテンション ,  誘導 ,  融合