文献

J-GLOBAL ID：202202275017674393   整理番号：22A0396556

ハイパースペクトル画像分類のための二重対話型グラフ畳込みネットワーク【JST・京大機械翻訳】

Dual Interactive Graph Convolutional Networks for Hyperspectral Image Classification

著者 (6件)： Wan Sheng (PCA Laboratory, Key Laboratory of Intelligent Perception and Systems for High-Dimensional Information of Ministry of Education, Jiangsu Key Laboratory of Image and Video Understanding for Social Security, School of Computer Science and Engineering, Nanjing University of Science and Techno...) ,  Pan Shirui (Department of Data Science and Artificial Intelligence (AI), Faculty of Information Technology, Monash University, Clayton, VIC, Australia) ,  Zhong Ping (National Key Laboratory of Science and Technology on ATR, National University of Defense Technology, Changsha, China) ,  Chang Xiaojun (Department of Data Science and Artificial Intelligence (AI), Faculty of Information Technology, Monash University, Clayton, VIC, Australia) ,  Yang Jian (PCA Laboratory, Key Laboratory of Intelligent Perception and Systems for High-Dimensional Information of Ministry of Education, Jiangsu Key Laboratory of Image and Video Understanding for Social Security, School of Computer Science and Engineering, Nanjing University of Science and Techno...) ,  Gong Chen (PCA Laboratory, Key Laboratory of Intelligent Perception and Systems for High-Dimensional Information of Ministry of Education, Nanjing University of Science and Technology, Nanjing, China)
資料名： IEEE Transactions on Geoscience and Remote Sensing  (IEEE Transactions on Geoscience and Remote Sensing)
巻： 60  ページ： ROMBUNNO.5510214.1-14  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： 最近,グラフ畳み込みネットワーク(GCN)は著しく進歩し,その印象的な表現力のためにハイパースペクトル画像(HSI)分類においてますます注目を集めている。しかし,既存のGCNベースの方法は,畳み込み操作が固定近傍により支配されるので,マルチスケール空間情報に完全な考慮を与えない。その結果,その性能は,特に多様な土地被覆外観を持つ地域で制限される。本論文では,異なるスケールで空間情報を捉えるために,二重GCN分岐を導入する新しい二重対話型GCN(DIGCN)を開発した。より重要なことに,二重対話型モジュールをGCNブランチに埋め込むので,マルチスケール空間情報の相関をグラフ情報を洗練するために活用できる。コンクリートであるために,1つのGCNブランチに含まれるエッジ情報を,他のブランチから特徴表現を組み込むことによって洗練することができた。類似して,他の分岐からエッジ情報を融合することによって,1つのGCNブランチにおいて改善された特徴表現を発生できる。このように,洗練されたグラフ情報はモデルの表現力を強化するのを助けることができる。さらに,手動で構築したグラフのマイナス効果を避けるため,提案モデルは弁別領域誘起グラフを適応的に学習し,畳込み演算も加速する。4つの一般的に使用されるHSIベンチマークデータセットで提案した方法を包括的に評価し,いくつかの典型的なHSI分類法と比較したとき,最先端の結果を達成できる。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 ,  コンクリート ,  演算 ,  土地被覆
準シソーラス用語： 空間情報 ,  *ハイパースペクトル画像 ,  マルチスケール ,  *対話型 ,  特徴表現 , 【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 (4件)： ハイパースペクトル画像分類 ,  対話型 ,  グラフ ,  畳込み