文献

J-GLOBAL ID：202202278652291280   整理番号：22A0202668

半教師つきハイパースペクトルバンド選択のための深層強化学習【JST・京大機械翻訳】

Deep Reinforcement Learning for Semisupervised Hyperspectral Band Selection

著者 (7件)： Feng Jie (Key Laboratory of Intelligent Perception and Image Understanding of Ministry of Education of China, Xidian University, Xi’an, China) ,  Li Di (Key Laboratory of Intelligent Perception and Image Understanding of Ministry of Education of China, Xidian University, Xi’an, China) ,  Gu Jing (Key Laboratory of Intelligent Perception and Image Understanding of Ministry of Education of China, Xidian University, Xi’an, China) ,  Cao Xianghai (Key Laboratory of Intelligent Perception and Image Understanding of Ministry of Education of China, Xidian University, Xi’an, China) ,  Shang Ronghua (Key Laboratory of Intelligent Perception and Image Understanding of Ministry of Education of China, Xidian University, Xi’an, China) ,  Zhang Xiangrong (Key Laboratory of Intelligent Perception and Image Understanding of Ministry of Education of China, Xidian University, Xi’an, China) ,  Jiao Licheng (Key Laboratory of Intelligent Perception and Image Understanding of Ministry of Education of China, Xidian University, Xi’an, China)
資料名： IEEE Transactions on Geoscience and Remote Sensing  (IEEE Transactions on Geoscience and Remote Sensing)
巻： 60  ページ： ROMBUNNO.5501719.1-19  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： バンド選択は,ハイパースペクトル画像(HSI)の効率的処理における重要なステップであり,強力なバンド探索技術と有効な評価基準の組み合わせとして見ることができる。既存の深層学習ベースの方法は,閾値ベースの関数または正則化項を用いてスペクトルバンドを探索するために,ネットワークパラメータをまばらにする。これらの方法は,難治性最適化問題につながる可能性がある。さらに,これらの方法は,候補バンドサブセットを評価するための深いネットワークを繰り返し訓練する必要がある。本論文では,ハイパースペクトルバンド選択を強化学習(RL)問題として定式化した。帯域探索は逐次意思決定プロセスと考えられ,そこでは探索空間における各状態が実行可能な帯域部分集合である。各状態を評価するために,制限付きラベル付きおよび十分な非ラベル化サンプルのクラス内コンパクト性制約を加えることにより,EvalueNetと呼ばれる半教師つき畳込みニューラルネットワーク(CNN)を構築した。簡単な確率的バンドサンプリング法を設計し,EvalueNetを訓練し,微調整なしに効率的に評価できるようにした。RLにおいて,新しい報酬関数は,E評価Netと反復選択のペナルティを考慮することによって定義される。最後に,状態空間で探索し,期待される蓄積報酬に従って帯域部分集合を選択するため,利点アクターのアルゴリズムを設計した。HSIデータセットに関する実験結果は,ハイパースペクトルバンド選択のための提案したアルゴリズムの有効性と効率を実証した。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： アルゴリズム ,  最適化問題 ,  ネットワーク ,  正則化 ,  コンパクト性 ,  有効性 ,  評価基準 ,  定式化 ,  *スペクトルバンド ,  周波数帯 ,  ペナルティ ,  *強化学習
準シソーラス用語： 探索空間 ,  ハイパースペクトル画像 ,  深層学習 , 【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)： 教師 ,  ハイパースペクトル ,  バンド ,  深層強化学習