文献

J-GLOBAL ID：202202287596249129   整理番号：22A0482423

ハイパースペクトル画像精密化分類のためのマルチスケール受容野を用いた水検索埋め込み注意ネットワーク【JST・京大機械翻訳】

Water Retrieval Embedded Attention Network With Multiscale Receptive Fields for Hyperspectral Image Refined Classification

著者 (3件)： Liang Xuejian (School of Electronics and Information Engineering, Harbin Institute of Technology, Harbin, China) ,  Zhang Ye (School of Electronics and Information Engineering, Harbin Institute of Technology, Harbin, China) ,  Zhang Junping (School of Electronics and Information Engineering, Harbin Institute of Technology, Harbin, China)
資料名： IEEE Transactions on Geoscience and Remote Sensing  (IEEE Transactions on Geoscience and Remote Sensing)
巻： 60  ページ： ROMBUNNO.5509022.1-22  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： ハイパースペクトル画像分類において,豊富な訓練サンプルに基づく深層学習(DL)は,分類性能におけるその重要性を実証した。しかし,利用可能なサンプルの限界と小サイズのデータセットにおけるクラスの不均衡/類似性のために,データ駆動DLアルゴリズムはクラス間分類のための代表的で有効な特徴をほとんど抽出することができず,クラス内分類のための微妙な診断スペクトル特徴は,反復特徴抽出(FE)で簡単にカバーされるか,または失われる。クラス間/クラス内クラスの制約されたFEは,精密な分類の精度低減と性能限界をもたらす。これらの問題を緩和するために,マルチスケール受容野(MRFs)を有する注意ネットワークを提案し,相対含水量検索(RWCR)のために逆サブネットを埋め込んだ。分類において,提案したネットワーク,すなわち,MRF,組込みサブネット,および多重アテンションメカニズムにおける3つの重要部品は,マルチスケール特徴併合,相対含水量(RWC)特徴強化,およびバンド,チャネル,およびマルチスケール特徴に注意を払うために,それぞれ責任がある。小サイズのデータセットに関するアブレーション研究は,精密化した分類におけるクラス間とクラス内クラスの精度改良を示し,それは,代表的特徴を抽出し,不均衡で類似のクラスから診断生化学署名としてRWC特徴を取るための重要な部分の有効性を検証した。典型的なDLモデルとの比較結果は,提案したネットワークの優位性を実証した。さらに,提案したネットワークの競合優位性を,伝統的および最先端のHSI分類法と比較して実証した。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 ,  *ネットワーク ,  特徴抽出 ,  含水量 ,  多重化 ,  精密化 ,  類似性 ,  有効性 ,  チャネル ,  アブレーション
準シソーラス用語： 不均衡 ,  *ハイパースペクトル画像 ,  *マルチスケール ,  データ駆動 ,  深層学習 , 【Automatic Indexing@JST】

分類 (3件)： リモートセンシング一般  (AD04000L) ,  図形・画像処理一般  (JE04010I) ,  パターン認識  (JE07000S)

タイトルに関連する用語 (9件)： ハイパースペクトル画像 ,  精密化 ,  分類 ,  マルチスケール ,  受容野 ,  水 ,  検索 ,  埋め込み ,  注意