文献

J-GLOBAL ID：202202258223604855   整理番号：22A1060309

ハイパースペクトル画像分類のための新しい大域-局所ブロック空間-スペクトル融合注意モデル【JST・京大機械翻訳】

A novel global-local block spatial-spectral fusion attention model for hyperspectral image classification

著者 (10件)： Zhang Lihao (Department of Instrument Science and Technology, University of Science and Technology Beijing, Beijing, China) ,  Zhang Lihao (Beijing Engineering Research Center of Industrial Spectrum Imaging, School of Automation and Electrical Engineering, University of Science and Technology Beijing, Beijing, China) ,  Zhang Lihao (Shunde Graduate School, University of Science and Technology Beijing, Beijing, Guangdong, China) ,  Zeng Yiliang (Department of Instrument Science and Technology, University of Science and Technology Beijing, Beijing, China) ,  Zeng Yiliang (Beijing Engineering Research Center of Industrial Spectrum Imaging, School of Automation and Electrical Engineering, University of Science and Technology Beijing, Beijing, China) ,  Zeng Yiliang (Shunde Graduate School, University of Science and Technology Beijing, Beijing, Guangdong, China) ,  Zhao Jiahong (School of Electrical, Computer and Telecommunications Engineering, University of Wollongong, Wollongong, NSW, Australia) ,  Lan Jinhui (Department of Instrument Science and Technology, University of Science and Technology Beijing, Beijing, China) ,  Lan Jinhui (Beijing Engineering Research Center of Industrial Spectrum Imaging, School of Automation and Electrical Engineering, University of Science and Technology Beijing, Beijing, China) ,  Lan Jinhui (Shunde Graduate School, University of Science and Technology Beijing, Beijing, Guangdong, China)
資料名： Remote Sensing Letters  (Remote Sensing Letters)
巻： 13  号： 4  ページ： 343-351  発行年： 2022年 
JST資料番号： W2289A  ISSN： 2150-704X  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： イギリス (GBR)  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)分類のための新しい方法をもたらし,その中で,画像は通常,特徴抽出のために深いネットワークに入力されるために,部品にパッケージされる前にそれらの次元を減らすことによって前処理される。しかしながら,固定次元の畳込みカーネルの学習能力は,通常制限され,従って,それらは特徴詳細の損失を引き起こす傾向がある。本論文では,新しいグローバル局所ブロック空間スペクトル融合注意(GBSFA)モデルを提案した。グローバルブロックの特徴情報を抽出するために改良開始構造を設計して,自己注意機構および空間ピラミッドプール(SPP)を適用して,局所ブロックのクラス間エッジ特徴情報に焦点を合わせた。長い短期メモリ(LSTM)ネットワークと結合して,スペクトル次元の有効情報を抽出した。最後に,空間次元およびスペクトル次元から抽出した特徴を,分類訓練のための完全接続層において伝達した。実験結果は,提案したアプローチの分類精度が,小訓練セットを用いた他の比較方法のものより高いことを示した。Please refer to the publisher for the copyright holders. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 記憶装置 ,  畳込み ,  ネットワーク ,  分類 ,  前処理 ,  特徴抽出 ,  *スペクトル ,  *画像 ,  空間 ,  スペクトル次元
準シソーラス用語： *ハイパースペクトル画像 ,  学習能力 ,  分類精度 ,  深層学習 ,  *ハイパースペクトル画像分類 , 【Automatic Indexing@JST】

分類 (2件)： 図形・画像処理一般  (JE04010I) ,  自然地理学  (DF01000Z)

タイトルに関連する用語 (5件)： ハイパースペクトル画像分類 ,  スペクトル ,  融合 ,  注意 ,  モデル