文献
J-GLOBAL ID:202202266115666725   整理番号:22A0398132

大域的局所階層的重みづけ融合ネットワークによるハイパースペクトル分類【JST・京大機械翻訳】

Hyperspectral Classification via Global-Local Hierarchical Weighting Fusion Network
著者 (5件):
資料名:
巻: 15  ページ: 184-200  発行年: 2022年 
JST資料番号: W2259A  ISSN: 1939-1404  CODEN: IJSTHZ  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:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
深層学習に基づくスペクトル-空間特徴の融合は,ハイパースペクトル画像(HSI)分類における研究の焦点になった。しかし,スペクトル四角形空間融合に基づく以前の深いフレームワークは,通常,分岐端でのみ特徴集合を遂行した。さらに,一次統計的特徴だけを融合過程において考慮し,それはスペクトル-空間特徴の識別の改善に役立たなかった。本論文は,グローバルHubbard局所階層的加重融合エンドツーエンド分類アーキテクチャを提案した。このアーキテクチャは,スペクトル分類と空間分類のための2つのサブネットワークを含む。スペクトルサブネットワークのために,2つのバンドグループ化戦略を設計して,双方向の長い短期メモリを用いて,グローバルから局所的展望までのスペクトルコンテキスト情報を捕えた。空間サブネットワークのために,局所注意に基づくプール戦略を結合して,畳み込みニューラルネットワークによって学習された空間特徴の弁別性を強化するため,グローバル四角形局所プール融合モジュールを構築した。融合段階のために,階層的重みづけ融合機構を開発し,スペクトルおよび空間特徴の両方の間の非線形関係を得た。4つの実際のHSIデータセットとGF-5衛星データセットに関する実験結果は,提案した方式が精度と一般化に関してより競争力があることを示した。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:
シソーラス用語/準シソーラス用語
文献のテーマを表すキーワードです。
部分表示の続きはJDreamⅢ(有料)でご覧いただけます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。

準シソーラス用語:
シソーラス用語/準シソーラス用語
文献のテーマを表すキーワードです。
部分表示の続きはJDreamⅢ(有料)でご覧いただけます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
, 【Automatic Indexing@JST】
分類 (1件):
分類
JSTが定めた文献の分類名称とコードです
図形・画像処理一般 
タイトルに関連する用語 (4件):
タイトルに関連する用語
J-GLOBALで独自に切り出した文献タイトルの用語をもとにしたキーワードです

前のページに戻る