文献

J-GLOBAL ID：202202275893353064   整理番号：22A0991804

弱監視マルチインスタンス概念学習のリモートセンシングシーン分類【JST・京大機械翻訳】

Weakly Supervised Multi-instance Sub-concept Learning for Remote Sensing Scene Classification

著者 (5件)： Chen Chunfang (武漢科技大学 計算机科学与技術学院,武漢430065) ,  Bian Xiaoyong (武漢科技大学 計算机科学与技術学院,武漢430065;武漢科技大学 大数据科学与工程研究院,武漢430065;智能信息処理与実時工業系統湖北省重点実験室,武漢430065) ,  Fei Xiongjun (武漢科技大学 計算机科学与技術学院,武漢430065) ,  Yang Bo (武漢科技大学 計算机科学与技術学院,武漢430065) ,  Zhang Xiaolong (武漢科技大学 計算机科学与技術学院,武漢430065;武漢科技大学 大数据科学与工程研究院,武漢430065;智能信息処理与実時工業系統湖北省重点実験室,武漢430065)
資料名： Xiaoxing Weixing Jisuanji Xitong  (Xiaoxing Weixing Jisuanji Xitong)
巻： 43  号： 1  ページ： 76-83  発行年： 2022年 
JST資料番号： C2136A  ISSN： 1000-1220  CODEN： XWJXEH  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 中国 (CHN)  言語： 中国語 (ZH)

抄録/ポイント： リモートセンシングシーン分類は,コンピュータビジョンと学習分野における最新の話題であり,その主な作業は,学習した特徴情報に基づく自動分類画像場面である。伝統的場面分類方法は,場面における複数のサブ概念の学習を無視して,場面の意味論的認識に影響した。上記の問題を解決するために,本論文は,弱監視マルチインスタンス概念学習(WeaklySupervisedMulti-InstanceSub-conceptLearning)のリモートセンシングシーン分類法を提案した。最初に,弱い監視位置ネットワークに基づいて,ピーク座標を各クラス応答グラフから予測し,次に,関心のある事例領域を位置決めし,次に,ピーク座標情報をロール積層に戻し,次に,複数の事例特徴からなる事例袋を,マルチインスタンス集合ネットワークの入力として自動的に切り取った。次に,多重例集合ネットワークにサブ概念階層を埋め込んで,サブ概念と例の間のマッチングスコアを繰り返し学習し,次に,すべての事例を集合して事例袋の確率スコアを生成し,最後に,2つの損失関数を組合せて,ネットワーク全体を訓練して,識別に富んだ分類モデルを得た。AID,NWPU-RESISC45およびCIFAR10/100データセットにおける分類実験を行い,結果は,提案方法がリモートセンシング場面分類性能を効果的に改善できることを示した。Data from Wanfang. Translated by JST.【JST・京大機械翻訳】

シソーラス用語： 意味論 ,  *学習 ,  自動分類 ,  損失関数 ,  ネットワーク ,  分類 ,  概念 ,  多重化 ,  *リモートセンシング ,  モデル ,  コンピュータビジョン ,  マッチング
準シソーラス用語： *概念学習 ,  分類法 ,  *シーン分類 ,  分類モデル , 【Automatic Indexing@JST】

分類 (1件)： 計算機網  (JC03000K)

タイトルに関連する用語 (5件)： マルチ ,  インスタンス ,  概念学習 ,  リモートセンシング ,  シーン分類