文献
J-GLOBAL ID:202202282106493705   整理番号:22A0959130

交差領域VAEによるハイパースペクトルシーンを横切る深部構造部分空間の学習【JST・京大機械翻訳】

Learning a Deep Structural Subspace Across Hyperspectral Scenes With Cross-Domain VAE
著者 (4件):
資料名:
巻: 60  ページ: ROMBUNNO.5522613.1-13  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:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
ハイパースペクトル画像(HSI)分類は,ラベル付けの高価なコストのため,小サンプルサイズの問題である。この問題への新しいアプローチとして,クロスセンHSI分類は近年ホットな研究題目になった。クロスセンHSI分類において,十分なラベル付きサンプル(ソースシーンと呼ばれる)を含むシーンを用いて,少数の訓練サンプル(ターゲットシーンと呼ばれる)を含む別のシーンにおける分類を有益化した。転送学習はクロスセン分類のための典型的な解決策である。しかしながら,多くの転送学習アルゴリズムは,ソースとターゲットシーンの同一特徴空間を仮定し,ソースとターゲットシーンが,異なるHSIセンサにより様々な次元で異なる特徴空間にしばしば存在するという事実を破る。2つのシーンの間の異なる特徴空間を狙って,著者らはエンドツーエンド不均一深層移動学習アルゴリズム,すなわち,交差ドメイン変分オートエンコーダ(CDVAE)を提案した。このアルゴリズムは,主に2つの重要部分から成る。1)2つのシーンの特徴を,2ストリーム変分オートエンコーダ(VAE)を通して共有特徴部分空間に埋め込んで,2つのシーンの出力特徴次元が同一であり,2)グラフ正則化を用いて,特徴空間を整列させるように,共有部分空間におけるソースとターゲットシーンの間の多様体制約を確立した。2つの異なるクロスセンHSIデータセットに関する実験は,提案したCDVAEアルゴリズムの優れた性能を証明した。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:
シソーラス用語/準シソーラス用語
文献のテーマを表すキーワードです。
部分表示の続きはJDreamⅢ(有料)でご覧いただけます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。

準シソーラス用語:
シソーラス用語/準シソーラス用語
文献のテーマを表すキーワードです。
部分表示の続きはJDreamⅢ(有料)でご覧いただけます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
, 【Automatic Indexing@JST】
分類 (1件):
分類
JSTが定めた文献の分類名称とコードです
パターン認識 

前のページに戻る