文献

J-GLOBAL ID：202202297829192906   整理番号：22A0457055

ハイパースペクトル局所特徴記述子のための最適バンドの選択【JST・京大機械翻訳】

Selection of Optimal Bands for Hyperspectral Local Feature Descriptor

著者 (2件)： Wu Zhaocong (School of Remote Sensing and Information Engineering, Wuhan University, Wuhan, China) ,  Yan Zhao (School of Remote Sensing and Information Engineering, Wuhan University, Wuhan, China)
資料名： IEEE Geoscience and Remote Sensing Letters  (IEEE Geoscience and Remote Sensing Letters)
巻： 19  ページ： ROMBUNNO.5511205.1-5  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： ハイパースペクトル画像(HSI)と3-Dデータの使用は,多数の応用に対する効率的な組み合わせであることが証明されている。対応するデータを得る一般的な方法は,HSIからの3D再構成であり,局所特徴記述子は最終精度に不可欠である。しかし,冗長バンドは記述子の性能を妨げる可能性があり,いわゆるHughes現象に類似している。バンド選択(BS)はそのような問題を克服するのに有効である。既存のBS法は,異なる方法で帯域を選択できず,従って,下流タスクで同時に最適化できない。本論文では,HyperDescと呼ばれる新しいエンドツーエンドHSI局所特徴記述子ネットワーク(結合最適BS)を提案した。それは,BSをCONCRETEランダム変数ベースの微分可能サンプリング操作に変えることによって,真のバンド選択(TBS)モジュールを実行する。各選択バンドの離散分布は,非局所スペクトル四角形空間注意ネットワークで入力HSIから学習できる。最後に,選択した帯域を記述子ネットワークに送付して,局所特徴記述子を抽出した。全ネットワークをエンドツーエンド方式で訓練した。実験は多視点近距離HSIで行った。結果は,選択されたバンドによって提供されるスペクトル情報が記述子の性能を高めることができることを示した。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： 最適化 ,  冗長性 ,  ネットワーク ,  微分 ,  *スペクトル ,  エンドツーエンド方式 ,  三次元 ,  周波数帯
準シソーラス用語： *ハイパースペクトル ,  ハイパースペクトル画像 ,  *局所特徴 ,  *特徴記述子 , 【Automatic Indexing@JST】

分類 (2件)： パターン認識  (JE07000S) ,  図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (4件)： ハイパースペクトル ,  局所特徴 ,  記述子 ,  バンド