文献

J-GLOBAL ID：202202266713246207   整理番号：22A0397516

ハイパースペクトルおよびLiDAR分類のための相互誘導注意ベースマルチレベル融合ネットワーク【JST・京大機械翻訳】

A Mutual Guidance Attention-Based Multi-Level Fusion Network for Hyperspectral and LiDAR Classification

著者 (5件)： Zhang Tongzhen (State Key Laboratory of Integrated Service Network, Xidian University, Xi’an, China) ,  Xiao Song (State Key Laboratory of Integrated Service Network, Xidian University, Xi’an, China) ,  Dong Wenqian (State Key Laboratory of Integrated Service Network, Xidian University, Xi’an, China) ,  Qu Jiahui (State Key Laboratory of Integrated Service Network, Xidian University, Xi’an, China) ,  Yang Yufei (State Key Laboratory of Integrated Service Network, Xidian University, Xi’an, China)
資料名： IEEE Geoscience and Remote Sensing Letters  (IEEE Geoscience and Remote Sensing Letters)
巻： 19  ページ： ROMBUNNO.5509105.1-5  発行年： 2022年 
JST資料番号： W1397A  ISSN： 1545-598X  CODEN： IGRSBY  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： ハイパースペクトル画像(HSI)と光検出と測距(LiDAR)データ分類はリモートセンシングにおいてますます多くの注目を集めている。畳込みニューラルネットワーク(CNN)は,HSIとLiDARデータ分類に有効であることが証明されている。本レターでは,新しい3分岐CNNを,スペクトル,空間,および高度特徴を学習するために設計し,それぞれは,浅いおよび深い特徴を融合するために,マルチレベル特徴融合(MLF)モジュールを採用した。さらに,空間と標高情報を完全に融合するために,相互誘導注意(MGA)モジュールを提案した。MGAモジュールは,空間と標高分岐の間の情報フローを増加させ,関心の特徴を強調し,無利用特徴を弱めた。提案方法を公開データセットHoustonとTrentoに関して評価した。実験結果は,著者らの提案方法がいくつかの既存の方法より高い分類精度を提供できることを証明した。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 ,  *スペクトル ,  リモートセンシング ,  距離測定 ,  光検出
準シソーラス用語： *ハイパースペクトル ,  *マルチレベル ,  ハイパースペクトル画像 ,  分類精度 ,  情報フロー ,  データ分類 ,  LIDARデータ ,  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 (7件)： ハイパースペクトル ,  LIDAR ,  分類 ,  相互誘導 ,  注意 ,  マルチレベル ,  融合