文献

J-GLOBAL ID：202202284660532514   整理番号：22A0397777

リモートセンシングシーン分類のための適応チャネル次元縮小によるマルチレベル特徴融合ネットワーク【JST・京大機械翻訳】

Multilevel Feature Fusion Networks With Adaptive Channel Dimensionality Reduction for Remote Sensing Scene Classification

著者 (4件)： Wang Xin (College of Computer and Information, Hohai University, Nanjing, China) ,  Duan Lin (College of Computer and Information, Hohai University, Nanjing, China) ,  Shi Aiye (College of Computer and Information, Hohai University, Nanjing, China) ,  Zhou Huiyu (School of Informatics, University of Leicester, Leicester, U.K.)
資料名： IEEE Geoscience and Remote Sensing Letters  (IEEE Geoscience and Remote Sensing Letters)
巻： 19  ページ： ROMBUNNO.8010205.1-5  発行年： 2022年 
JST資料番号： W1397A  ISSN： 1545-598X  CODEN： IGRSBY  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： 非常に高分解能(VHR)リモートセンシング(RS)画像におけるシーン分類は,画像の複雑で多様なコンテンツのために挑戦的なタスクである。最近,畳み込みニューラルネットワーク(CNN)がこの課題に取り組むために利用されてきた。しかし,CNNは,VHR画像におけるクラッタと小さなオブジェクトによるシーン分類のニーズを完全に満たすことができない。これらの課題を処理するために,本論文ではRSシーン分類のための適応チャネル次元縮小を有する新しいマルチレベル特徴融合(MLFF)ネットワークを提示した。特に,適応法を高次元特徴のチャネル次元縮小のために設計した。次に,MLFFモジュールを導入して,効率的方法で特徴を融合した。3つの広く使用されたデータセットに関する実験は,著者らのモデルが精度と安定性の両方に関していくつかの最先端の方法より優れていることを示した。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： *ネットワーク ,  *リモートセンシング ,  クラッタ ,  高次元 ,  チャネル ,  高分解能 ,  *次元縮小 ,  コンテンツ
準シソーラス用語： *マルチレベル ,  *特徴融合 ,  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 (7件)： リモートセンシング ,  シーン分類 ,  適応 ,  チャネル ,  次元縮小 ,  マルチレベル ,  特徴融合