文献

J-GLOBAL ID：202202268366300447   整理番号：22A0416539

マルチタスク学習による遠隔センシングシーン分類【JST・京大機械翻訳】

Remote Sensing Scene Classification with Multi-task Learning

著者 (4件)： Gong Tengfei (Key Laboratory of Spectral Imaging Technology CAS, Xi’an Institute of Optics and Precision Mechanics, Chinese Academy of Sciences, Xi’an, China) ,  Gong Tengfei (University of Chinese Academy of Sciences, Beijing, China) ,  Zheng Xiangtao (Key Laboratory of Spectral Imaging Technology CAS, Xi’an Institute of Optics and Precision Mechanics, Chinese Academy of Sciences, Xi’an, China) ,  Lu Xiaoqiang (Key Laboratory of Spectral Imaging Technology CAS, Xi’an Institute of Optics and Precision Mechanics, Chinese Academy of Sciences, Xi’an, China)
資料名： Lecture Notes in Electrical Engineering  (Lecture Notes in Electrical Engineering)
巻： 757  ページ： 403-418  発行年： 2022年 
JST資料番号： W5070A  ISSN： 1876-1100  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： ドイツ (DEU)  言語： 英語 (EN)

抄録/ポイント： リモートセンシングシーン分類は,高解像度リモートセンシング画像の理解のための基本的タスクであり,深いニューラルネットワークにより大きな進歩を達成した。しかし,深層ニューラルネットワークは大規模訓練サンプルに大きく依存しているが,十分な手動注釈データはしばしば利用できない。本論文では,他の関連タスクからの注釈付き情報を用いて,ラベル消費ジレンマを処理するために,マルチタグセン分類ネットワーク(MTSCN)を提案した。MTSCNは複数のタスクを同時に実行して,シーン分類タスクは他のタスクによって共有される情報を活用することができる。MTSCNは,1つのタスクに対して,共有された枝と複数のタスク特有の枝から成る。第1に,共有された枝分かれは,すべてのタスクのために特徴を共有した。次に,タスク特有のブランチは,分類タスクを終えるために,タスク特有の特徴に共有された特徴を適応させる。このようなアーキテクチャは,異なるタスクに対する特定の情報を選択することによりタスクの干渉を避けるだけでなく,タスク間で共有される相補的な情報を可能にする。この方法を,ネットワークパラメータの精度と数に関して2つのマルチタスク学習シナリオで評価した。結果は,提案方法がデータだけでなくネットワークパラメータに関しても効率的であることを示した。Copyright The Author(s), under exclusive license to Springer Nature Singapore Pte Ltd. 2022 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 ,  ニューラルネットワーク ,  *リモートセンシング ,  高分解能 ,  計算機アーキテクチャ ,  アノテーション
準シソーラス用語： リモートセンシング画像 ,  *マルチタスク学習 ,  ネットワークパラメータ ,  *シーン分類 ,  ディープニューラルネットワーク , 【Automatic Indexing@JST】

著者キーワード (4件)： リモートセンシングシーン分類 ,  マルチタスク学習 ,  注意 ,  パラメータ効率

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (3件)： マルチタスク学習 ,  遠隔センシング ,  シーン分類