文献

J-GLOBAL ID：202202279625196620   整理番号：22A1101023

リモートセンシング画像シーン分類のための教師付き漸進的成長生成敵対ネットワーク【JST・京大機械翻訳】

A Supervised Progressive Growing Generative Adversarial Network for Remote Sensing Image Scene Classification

著者 (5件)： Ma Ailong (State Key Laboratory of Information Engineering in Surveying, Mapping and Remote Sensing, Wuhan University, Wuhan, China) ,  Yu Ning (State Key Laboratory of Information Engineering in Surveying, Mapping and Remote Sensing, Wuhan University, Wuhan, China) ,  Zheng Zhuo (State Key Laboratory of Information Engineering in Surveying, Mapping and Remote Sensing, Wuhan University, Wuhan, China) ,  Zhong Yanfei (State Key Laboratory of Information Engineering in Surveying, Mapping and Remote Sensing, Wuhan University, Wuhan, China) ,  Zhang Liangpei (State Key Laboratory of Information Engineering in Surveying, Mapping and Remote Sensing, Wuhan University, Wuhan, China)
資料名： IEEE Transactions on Geoscience and Remote Sensing  (IEEE Transactions on Geoscience and Remote Sensing)
巻： 60  ページ： ROMBUNNO.5618818.1-18  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： リモートセンシング画像シーン分類は挑戦的なタスクである。深層学習の開発により,畳み込みニューラルネットワーク(CNN)に基づく方法は,リモートセンシング画像シーン分類において大きな成果を遂げた。CNNの訓練は多数のラベル付きサンプルを必要とするので,サンプル生成のための生成敵対ネットワーク(GAN)は,限られたサンプルの問題を解決する新しい機会を提供する。しかし,既存のGANベースサンプル生成法の大部分は,対応するシーンカテゴリーでラベル付けされたサンプルの代わりに,ラベルなしサンプルを生成することができる。本論文では,問題を解決するために,遠隔センシング画像シーン分類のために,教師つき進行性成長生成敵対ネットワーク(SPG-GAN)を提案した。提案方法は,リモートセンシング画像シーン分類のためにラベル付きサンプルを作り出すことができて,限られたサンプルの場合の分類精度を著しく改良することができた。SPG-GAN法は2つの主な改良を持つ。最初に,ラベル情報を入力としてチャネル次元に追加するラベル付きサンプルのための条件付き生成フレームワークを提案した。損失関数におけるラベル情報の制約を考慮することによって,ネットワークを特定のカテゴリの方向において訓練することができた。結果として,ネットワークはラベルカテゴリを有するリモートセンシング画像シーン分類サンプルを作り出すことができる。第二に,進行性成長サンプル生成法を紹介した。生成されたサンプルがより空間的詳細を有することを確実にするために,それらは,発電機と識別器にモジュールを徐々に追加することによって作り出され,それによって,生成されたサンプルがより良い品質であることを確実にする。2つのベンチマークデータセットに関する試験の後,中国の武漢市の中央区域で大規模な実験を実施して,提案方法は限られたサンプルの場合において優れた場面分類精度を得ることができることがわかった。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： 弁別器 ,  損失関数 ,  *ネットワーク ,  *分類 ,  ラベル ,  中華人民共和国 ,  *画像 ,  チャネル ,  ベンチマーク ,  機械学習
準シソーラス用語： 分類精度 ,  *リモートセンシング画像 ,  *シーン分類 ,  深層学習 ,  畳込みニューラルネットワーク , 【Automatic Indexing@JST】

分類 (2件)： パターン認識  (JE07000S) ,  人工知能  (JE08000Z)

タイトルに関連する用語 (5件)： リモートセンシング画像 ,  シーン分類 ,  教師 ,  成長 ,  敵対