論文の概要: A Hierarchical Approach to Remote Sensing Scene Classification
- arxiv url: http://arxiv.org/abs/2103.15463v1
- Date: Mon, 29 Mar 2021 09:56:57 GMT
- ステータス: 処理完了
- システム内更新日: 2021-03-30 14:53:48.093998
- Title: A Hierarchical Approach to Remote Sensing Scene Classification
- Title(参考訳): リモートセンシングシーン分類における階層的アプローチ
- Authors: Ozlem Sen and Hacer Yalim Keles
- Abstract要約: 本稿では,このような配置に適した階層型cnnフレームワークの効率性について検討する。
DenseNet-121アーキテクチャを使い始めた2つのディープCNNモデルがあります。
本実験の結果, 階層構造における異なるサブカテゴリの個々の分類器は良好に機能するが, カスケード構造における分類誤差の蓄積は, 非階層的深層モデルの分類性能を超えることを妨げている。
- 参考スコア(独自算出の注目度): 0.913755431537592
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Remote sensing scene classification deals with the problem of classifying
land use/cover of a region from images. To predict the development and
socioeconomic structures of cities, the status of land use in regions are
tracked by the national mapping agencies of countries. Many of these agencies
use land use types that are arranged in multiple levels. In this paper, we
examined the efficiency of a hierarchically designed CNN based framework that
is suitable for such arrangements. We use NWPU-RESISC45 dataset for our
experiments and arranged this data set in a two level nested hierarchy. We have
two cascaded deep CNN models initiated using DenseNet-121 architectures. We
provide detailed empirical analysis to compare the performances of this
hierarchical scheme and its non hierarchical counterpart, together with the
individual model performances. We also evaluated the performance of the
hierarchical structure statistically to validate the presented empirical
results. The results of our experiments show that although individual
classifiers for different sub-categories in the hierarchical scheme perform
well, the accumulation of classification errors in the cascaded structure
prevents its classification performance from exceeding that of the non
hierarchical deep model.
- Abstract(参考訳): リモートセンシングシーン分類は、画像から領域の土地利用/被覆を分類する問題を扱う。
都市の発達・社会経済構造を予測するため,地域における土地利用状況は各国の地図作成機関が追跡している。
これらの機関の多くは、複数のレベルに配置された土地利用タイプを使用している。
本稿では,このような配置に適した階層型cnnフレームワークの効率について検討した。
実験にはNWPU-RESISC45データセットを使用し、このデータセットを2レベルのネスト階層に配置した。
DenseNet-121アーキテクチャを使い始めた2つのディープCNNモデルがあります。
我々は,この階層的スキームと非階層的スキームの性能と個々のモデル性能を比較するために,詳細な経験的分析を行う。
また,階層構造の性能を統計的に評価し,実験結果の検証を行った。
実験の結果,階層構造における異なるサブカテゴリの個別分類器の性能は良好であるが,階層構造における分類誤差の蓄積は,非階層深層モデルの分類性能を上回らないことを示した。
関連論文リスト
- From Logits to Hierarchies: Hierarchical Clustering made Simple [16.132657141993548]
事前訓練された非階層クラスタリングモデル上に実装された軽量なプロシージャは、階層クラスタリングに特化して設計されたモデルより優れていることを示す。
提案手法は,微調整を必要とせず,ログを出力する事前学習クラスタリングモデルに適用可能である。
論文 参考訳(メタデータ) (2024-10-10T12:27:45Z) - Performance Improvement in Multi-class Classification via Automated
Hierarchy Generation and Exploitation through Extended LCPN Schemes [0.0]
本研究では,階層分類(HC)の性能を包括的解析により検討する。
2つの新しい階層化手法 LCPN+ と LCPN+F が導入された。
その結果、LCPN+Fは様々なデータセットやシナリオにまたがる他のスキームよりも優れており、一貫性のある優位性を示している。
論文 参考訳(メタデータ) (2023-10-31T17:11:29Z) - Hierarchical clustering with dot products recovers hidden tree structure [53.68551192799585]
本稿では,階層構造の回復に着目した凝集クラスタリングアルゴリズムの新しい視点を提案する。
クラスタを最大平均点積でマージし、例えば最小距離やクラスタ内分散でマージしないような、標準的なアルゴリズムの単純な変種を推奨する。
このアルゴリズムにより得られた木は、汎用確率的グラフィカルモデルの下で、データ中の生成的階層構造をボナフェイド推定することを示した。
論文 参考訳(メタデータ) (2023-05-24T11:05:12Z) - Weakly-supervised Action Localization via Hierarchical Mining [76.00021423700497]
弱教師付きアクションローカライゼーションは、ビデオレベルの分類ラベルだけで、与えられたビデオ内のアクションインスタンスを時間的にローカライズし、分類することを目的としている。
ビデオレベルおよびスニペットレベルでの階層的マイニング戦略,すなわち階層的監視と階層的一貫性マイニングを提案する。
我々は、HiM-NetがTHUMOS14とActivityNet1.3データセットの既存の手法よりも、階層的に監督と一貫性をマイニングすることで、大きなマージンを持つことを示す。
論文 参考訳(メタデータ) (2022-06-22T12:19:09Z) - A Top-down Supervised Learning Approach to Hierarchical Multi-label
Classification in Networks [0.21485350418225244]
本稿では,階層型マルチラベル分類(HMC)に対する一般的な予測モデルを提案する。
クラスごとの局所分類器を構築することで教師あり学習により階層的マルチラベル分類に対処するトップダウン分類アプローチに基づいている。
本モデルでは, イネOryza sativa Japonicaの遺伝子機能の予測について事例研究を行った。
論文 参考訳(メタデータ) (2022-03-23T17:29:17Z) - CoPHE: A Count-Preserving Hierarchical Evaluation Metric in Large-Scale
Multi-Label Text Classification [70.554573538777]
ニューラルLMTCモデルの予測の階層的評価について論じる。
先行技術における構造化ラベル空間の表現における構造的問題について述べる。
深度に基づく表現を用いた階層的評価のための指標セットを提案する。
論文 参考訳(メタデータ) (2021-09-10T13:09:12Z) - No Fear of Heterogeneity: Classifier Calibration for Federated Learning
with Non-IID Data [78.69828864672978]
実世界のフェデレーションシステムにおける分類モデルのトレーニングにおける中心的な課題は、非IIDデータによる学習である。
このアルゴリズムは, 近似されたssian混合モデルからサンプリングした仮想表現を用いて分類器を調整する。
実験の結果,CIFAR-10,CIFAR-100,CINIC-10など,一般的なフェデレーション学習ベンチマークにおけるCCVRの現状が示された。
論文 参考訳(メタデータ) (2021-06-09T12:02:29Z) - Making CNNs Interpretable by Building Dynamic Sequential Decision
Forests with Top-down Hierarchy Learning [62.82046926149371]
本稿では,CNN(Convlutional Neural Networks)を解釈可能なモデル転送方式を提案する。
我々は、CNNの上に微分可能な意思決定林を構築することで、これを実現する。
DDSDF(Dep Dynamic Sequential Decision Forest)と命名する。
論文 参考訳(メタデータ) (2021-06-05T07:41:18Z) - A hierarchical deep learning framework for the consistent classification
of land use objects in geospatial databases [8.703408520845645]
本稿では,土地利用情報を検証するための階層的ディープラーニングフレームワークを提案する。
複数レベルの土地利用を階層的に同時に予測することを目的とした新しいCNN方式を提案する。
実験によると、CNNはJOに依存しており、全体の精度は92.5%まで向上している。
論文 参考訳(メタデータ) (2021-04-14T17:16:35Z) - Inducing a hierarchy for multi-class classification problems [11.58041597483471]
分類的ラベルが自然な階層に従ったアプリケーションでは、ラベル構造を利用する分類方法は、そうでないものをしばしば上回る。
本稿では,フラット分類器に対する分類性能を向上できる階層構造を誘導する手法のクラスについて検討する。
原理シミュレーションと3つの実データアプリケーションにおいて、潜入階層の発見と精度向上のためのメソッドのクラスの有効性を実証する。
論文 参考訳(メタデータ) (2021-02-20T05:40:42Z) - Fine-Grained Visual Classification with Efficient End-to-end
Localization [49.9887676289364]
本稿では,エンド・ツー・エンドの設定において,分類ネットワークと融合可能な効率的なローカライゼーションモジュールを提案する。
我々は,CUB200-2011,Stanford Cars,FGVC-Aircraftの3つのベンチマークデータセット上で,新しいモデルを評価する。
論文 参考訳(メタデータ) (2020-05-11T14:07:06Z)
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。