文献

J-GLOBAL ID：202202299398628019   整理番号：22A1057443

ハイパースペクトル画像分類のための階層的注意特徴融合による指向性分離可能拡張CNN【JST・京大機械翻訳】

Directionally separable dilated CNN with hierarchical attention feature fusion for hyperspectral image classification

著者 (8件)： Li Chenming (Key Laboratory of Water Big Data Technology of Ministry of Water Resources, Hohai University Nanjing, People’s Republic of China) ,  Li Chenming (College of Computer and Information, Hohai University, Nanjing, People’s Republic of China) ,  Fan Tingting (Key Laboratory of Water Big Data Technology of Ministry of Water Resources, Hohai University Nanjing, People’s Republic of China) ,  Fan Tingting (College of Computer and Information, Hohai University, Nanjing, People’s Republic of China) ,  Chen Zhonghao (Key Laboratory of Water Big Data Technology of Ministry of Water Resources, Hohai University Nanjing, People’s Republic of China) ,  Chen Zhonghao (College of Computer and Information, Hohai University, Nanjing, People’s Republic of China) ,  Gao Hongmin (Key Laboratory of Water Big Data Technology of Ministry of Water Resources, Hohai University Nanjing, People’s Republic of China) ,  Gao Hongmin (College of Computer and Information, Hohai University, Nanjing, People’s Republic of China)
資料名： International Journal of Remote Sensing  (International Journal of Remote Sensing)
巻： 43  号： 3  ページ： 812-840  発行年： 2022年 
JST資料番号： B0645B  ISSN： 0143-1161  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： イギリス (GBR)  言語： 英語 (EN)

抄録/ポイント： 近年,畳み込みニューラルネットワーク(CNN)は,ハイパースペクトル画像分類において重要な役割を果たし,他の多くの方法よりもより競争力がある。しかし,より優れた性能を追求するために,既存のCNNベースの方法の大部分は,むしろ深い畳込み層だけをスタックする。それらは分類精度をある程度改善するが,それらは多くのネットワークパラメータをもたらす。本論文では,階層的注意特徴融合(DSD-HAFF)による軽量方向分離可能拡張CNNを提案し,これらの問題を解決した。最初に,2つの空間方向を別々に集中する2つのグローバル高密度拡張CNN分岐を構築し,できるだけ空間情報を抽出し再利用する。第二に,いくつかの座標注意ブロック(CAB)から成る階層的注意特徴融合ブランチを構築した。2つの方向性分離可能拡張CNN分岐からの階層的特徴をCABの入力として採用した。この方法で,構造は階層的特徴を完全に組み込むだけでなく,ネットワークパラメータを大幅に削減できる。一方,階層的注意特徴融合ブランチは,カーネル数ピラミッド戦略における高レベルから低レベルへの特徴を組み込んだ。3つのポピュラーなベンチマークデータセットに関する実験結果は,DSD-HAFFがより良い性能を達成して,他の最先端の方法よりはるかに少ない数のネットワークパラメータを有することを示した。Please refer to the publisher for the copyright holders. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *畳込み ,  *分類 ,  特性 ,  精度 ,  指向性 ,  角錐 ,  再利用 ,  ベンチマーク ,  *データ融合
準シソーラス用語： 空間情報 ,  分類精度 ,  ネットワークパラメータ ,  *特徴融合 ,  *ハイパースペクトル画像分類 ,  畳込みニューラルネットワーク , 【Automatic Indexing@JST】

著者キーワード (3件)： ハイパースペクトル画像分類 ,  拡大畳込み ,  階層的特徴融合

分類 (4件)： 写真測量,空中写真  (RC02040D) ,  リモートセンシング一般  (AD04000L) ,  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 (6件)： ハイパースペクトル画像分類 ,  注意 ,  特徴融合 ,  指向性 ,  拡張 ,  CNN