論文の概要: A Hybrid MLP-SVM Model for Classification using Spatial-Spectral Features on Hyper-Spectral Images

• arxiv url: http://arxiv.org/abs/2101.00214v1
• Date: Fri, 1 Jan 2021 11:47:23 GMT
• ステータス: 処理完了
• システム内更新日: 2021-04-16 11:14:26.617309
• Title: A Hybrid MLP-SVM Model for Classification using Spatial-Spectral Features on Hyper-Spectral Images
• Title（参考訳）: ハイパースペクトル画像の空間スペクトル特徴を用いたハイブリッドMLP-SVMによる分類
• Authors: Ginni Garg, Dheeraj Kumar, ArvinderPal, Yash Sonker, Ritu Garg
• Abstract要約: 多層パーセプトロン(MLP)とサポートベクターマシン(SVM)を用いたハイブリッド分類器(MLP-SVM)を作成する。 ニューラルネットオークの最後の隠された層からの出力はSVMへの入力となり、最終的に様々な望ましいクラスに分類される。 提案手法はデータセットの検査精度を 93.22%, 96.87%, 93.81% に対して86.97%, 88.58%, 88.85%, 91.61%, 96.20%, 90.68% に大幅に向上させた。
• 参考スコア（独自算出の注目度）: 1.648438955311779
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: There are many challenges in the classification of hyper spectral images such as large dimensionality, scarcity of labeled data and spatial variability of spectral signatures. In this proposed method, we make a hybrid classifier (MLP-SVM) using multilayer perceptron (MLP) and support vector machine (SVM) which aimed to improve the various classification parameters such as accuracy, precision, recall, f-score and to predict the region without ground truth. In proposed method, outputs from the last hidden layer of the neural net-ork become the input to the SVM, which finally classifies into various desired classes. In the present study, we worked on Indian Pines, U. Pavia and Salinas dataset with 16, 9, 16 classes and 200, 103 and 204 reflectance bands respectively, which is provided by AVIRIS and ROSIS sensor of NASA Jet propulsion laboratory. The proposed method significantly increases the accuracy on testing dataset to 93.22%, 96.87%, 93.81% as compare to 86.97%, 88.58%, 88.85% and 91.61%, 96.20%, 90.68% based on individual classifiers SVM and MLP on Indian Pines, U. Pavia and Salinas datasets respectively.
• Abstract（参考訳）: 超スペクトル画像の分類には、大きな次元性、ラベル付きデータの不足、スペクトルシグネチャの空間的変動など、多くの課題がある。 本研究では,多層パーセプトロン(MLP)とサポートベクターマシン(SVM)を用いたハイブリッド分類器(MLP-SVM)を作成し,精度,精度,リコール,fスコアなどの様々な分類パラメータの改善と,その領域の真偽を予測することを目的とした。 提案手法では,ニューラルネットオークの最後の隠れ層からの出力がSVMの入力となり,最終的に様々なクラスに分類される。 本研究では,NASAジェット推進研究所のAVIRISとROSISセンサーによる16,9,16クラス,200,103,204リフレクタンスバンドを用いたインドパインズ,U.パヴィア,サリナスのデータセットについて検討した。 提案手法は、試験データセットの精度を、それぞれインドパインズ、U. Pavia、Salinasの各データセットのSVMおよびMLPに基づいて、86.97%、88.58%、88.85%、91.61%、96.20%、90.68%に向上させた。

関連論文リスト

• Improved Anomaly Detection through Conditional Latent Space VAE Ensembles [49.1574468325115]
  条件付きラテント空間変分オートエンコーダ(CL-VAE)は、既知の不整形クラスと未知の不整形クラスを持つデータに対する異常検出のための前処理を改善した。 モデルでは異常検出の精度が向上し、MNISTデータセットで97.4%のAUCが達成された。 さらに、CL-VAEは、アンサンブルの利点、より解釈可能な潜在空間、モデルサイズに制限のある複雑なデータでパターンを学習する能力の増大を示す。
  論文  参考訳（メタデータ） (2024-10-16T07:48:53Z)
• Dual-band feature selection for maturity classification of specialty crops by hyperspectral imaging [5.905721043072562]
  イチゴやトマトなどの特産作物の成熟度分類は、農業の下流における重要な活動である。 近年のDeep Learningの進歩は、成熟度分類のためのカラー画像の奨励的な結果を生み出している。 成熟度分類のための特徴抽出法を提案する。
  論文  参考訳（メタデータ） (2024-05-16T10:01:16Z)
• Superpixel Graph Contrastive Clustering with Semantic-Invariant Augmentations for Hyperspectral Images [64.72242126879503]
  ハイパースペクトル画像(HSI)クラスタリングは重要な課題だが難しい課題である。 まず3次元と2次元のハイブリッド畳み込みニューラルネットワークを用いてHSIの高次空間およびスペクトルの特徴を抽出する。 次に,超画素グラフの対比クラスタリングモデルを設計し,識別的超画素表現を学習する。
  論文  参考訳（メタデータ） (2024-03-04T07:40:55Z)
• Label Propagation Techniques for Artifact Detection in Imbalanced Classes using Photoplethysmogram Signals [0.06597195879147556]
  本研究では,光胸腺X線写真(PPG)信号間のラベル伝搬技術の適用について検討した。 1571例のPSG記録を含むデータセットについて検討し, サンプルの約82%がクリーンであり, 残りの18%がアーティファクトによって汚染された。 その結果,LPアルゴリズムは精度91%,リコール90%,F1スコア90%を達成できた。
  論文  参考訳（メタデータ） (2023-08-16T16:38:03Z)
• Breast Ultrasound Tumor Classification Using a Hybrid Multitask CNN-Transformer Network [63.845552349914186]
  胸部超音波(BUS)画像分類において,グローバルな文脈情報の収集が重要な役割を担っている。 ビジョントランスフォーマーは、グローバルなコンテキスト情報をキャプチャする能力が改善されているが、トークン化操作によって局所的なイメージパターンを歪めてしまう可能性がある。 本研究では,BUS腫瘍分類とセグメンテーションを行うハイブリッドマルチタスクディープニューラルネットワークであるHybrid-MT-ESTANを提案する。
  論文  参考訳（メタデータ） (2023-08-04T01:19:32Z)
• Efficient subtyping of ovarian cancer histopathology whole slide images using active sampling in multiple instance learning [2.038893829552157]
  マルチインスタンス学習のための識別領域アクティブサンプリング (DRAS-MIL) は、注意スコアを用いて、高度に識別された領域のサンプリングに焦点を合わせ、計算的に効率的なスライド分類法である。 DRAS-MILは,3倍のクロスバリデーションAUCの0.8679で,全スライド解析と同様の分類性能が得られることを示す。 当社のアプローチでは、GPUで評価する時間の33%を要し、CPUだけで14%しか使用していません。
  論文  参考訳（メタデータ） (2023-02-17T13:28:06Z)
• Evaluation of the potential of Near Infrared Hyperspectral Imaging for monitoring the invasive brown marmorated stink bug [53.682955739083056]
  BMSB(Halyomorpha halys)は、数種の作物を害する世界的重要性の害虫である。 本研究は、BMSB検体を検出する技術として、NIR-HSI(Near Infrared Hyperspectral Imaging)を実験室レベルで予備評価する。
  論文  参考訳（メタデータ） (2023-01-19T11:37:20Z)
• Hybrid Model using Feature Extraction and Non-linear SVM for Brain Tumor Classification [3.222802562733787]
  本稿では,脳腫瘍の分類にVGGとSVM(Soft and Hard)を併用したハイブリッドモデルを提案する。 VGGモデルは、PyTorch pythonライブラリを介して訓練され、腫瘍分類の最も高い検査精度を得る。 その結果, ハイブリッドVGG-SVMモデル, 特にSVMを用いたVGG 19は, 既存の技術より優れ, 精度が高いことが示唆された。
  論文  参考訳（メタデータ） (2022-12-06T07:15:37Z)
• The Lazy Neuron Phenomenon: On Emergence of Activation Sparsity in Transformers [59.87030906486969]
  本稿では,Transformer アーキテクチャを用いた機械学習モデルにおいて,アクティベーションマップが疎いという興味深い現象について考察する。 本稿では, 自然言語処理と視覚処理の両方において, スパーシリティが顕著な現象であることを示す。 本稿では,変換器のFLOP数を大幅に削減し,効率を向上する手法について論じる。
  論文  参考訳（メタデータ） (2022-10-12T15:25:19Z)
• Alexa Teacher Model: Pretraining and Distilling Multi-Billion-Parameter Encoders for Natural Language Understanding Systems [63.713297451300086]
  本研究では,700Mから9.3Bまでの非埋め込みパラメータ数を持つ事前学習エンコーダの大規模実験結果について述べる。 その後、17M-170Mパラメータからより小さなモデルに蒸留し、仮想アシスタントシステムの自然言語理解(NLU)コンポーネントに応用した。
  論文  参考訳（メタデータ） (2022-06-15T20:44:23Z)
• Speech & Song Emotion Recognition Using Multilayer Perceptron and Standard Vector Machine [0.0]
  RAVDESSデータセットの音声と歌のチャンネルを用いて,SVMと感情認識の性能を比較した。 最適化されたSVMは、75%と比較して82の精度でパフォーマンスが向上する。
  論文  参考訳（メタデータ） (2021-05-19T21:28:05Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。