文献

J-GLOBAL ID：202202260407779397   整理番号：22A0396551

3-D-ANAS:高速ハイパースペクトル画像分類のための三次元非対称ニューラルアーキテクチャ探索【JST・京大機械翻訳】

3-D-ANAS: 3-D Asymmetric Neural Architecture Search for Fast Hyperspectral Image Classification

著者 (5件)： Zhang Haokui (National Engineering Laboratory for Integrated Aerospace-Ground-Ocean Big Data Application Technology, School of Computer Science, Northwestern Polytechnical University, Xi’an, China) ,  Gong Chengrong (National Engineering Laboratory for Integrated Aerospace-Ground-Ocean Big Data Application Technology, School of Computer Science, Northwestern Polytechnical University, Xi’an, China) ,  Bai Yunpeng (National Engineering Laboratory for Integrated Aerospace-Ground-Ocean Big Data Application Technology, School of Computer Science, Northwestern Polytechnical University, Xi’an, China) ,  Bai Zongwen (National Engineering Laboratory for Integrated Aerospace-Ground-Ocean Big Data Application Technology, School of Computer Science, Northwestern Polytechnical University, Xi’an, China) ,  Li Ying (National Engineering Laboratory for Integrated Aerospace-Ground-Ocean Big Data Application Technology, School of Computer Science, 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.5508519.1-19  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： 超スペクトル画像(HSI)は,豊富なスペクトルおよび空間情報を提供し,土地被覆分類において置換できない役割を演ずる。最近,深層学習(DL)技術に基づいて,HSI分類アプローチの数が増加し,有望な性能を示した。しかし,以前の研究は2つの主要な欠点に悩まされている。1)ほとんどのDLモデルのアーキテクチャは手動で設計され,専門知識に依存し,比較的退屈である。さらに,HSI分類において,異なるセンサによって捕捉されたデータセットは,異なる物理的性質を有した。対応して,異なるモデルを異なるデータセットのために設計する必要があり,それはさらに設計アーキテクチャの作業負荷を増加させ,そして2)主流フレームワークはパッチツーピクセルフレームワークである。隣接画素のパッチの重複領域を繰り返し計算し,計算コストと時間コストを増加させる。さらに,分類精度はパッチサイズに敏感であり,広範な調査実験に基づいて人工的にセットされる。上記の問題を克服するために,3D非対称ニューラルネットワーク探索アルゴリズムを提案し,HSI分類のための効率的なアーキテクチャを自動的に探索するためにそれを利用した。HSIの特性を解析することにより,スペクトルおよび空間情報を異なる分解畳込みで処理する3D非対称分解探索空間を特異的に構築した。さらに,新しい高速分類フレームワーク,すなわち,ピクセル対ピクセル分類フレームワークを提案し,それは反復操作を持たず,全体コストを低減する。異なるセンサによって捕捉された3つの公開HSIデータセットに関する実験は,著者らの3D非対称ニューラルアーキテクチャ検索(3-D-ANAS)によって設計されたネットワークが,いくつかの最先端の方法と比較して,競合性能を達成し,一方,はるかに速い推論速度を有することを実証した。コードはhttps://github.com/hkzhang91/3D-ANAS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 ,  ネットワーク ,  ニューラルネットワーク ,  *非対称性 ,  *スペクトル ,  画素 ,  *スペクトル画像 ,  センサ ,  *三次元 ,  *計算機アーキテクチャ
準シソーラス用語： 空間情報 ,  探索アルゴリズム ,  計算コスト ,  土地被覆分類 ,  深層学習 , 【Automatic Indexing@JST】

分類 (2件)： 人工知能  (JE08000Z) ,  図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (4件)： Anas ,  ハイパースペクトル画像分類 ,  非対称 ,  探索