論文の概要: A study on the effects of compression on hyperspectral image classification

• arxiv url: http://arxiv.org/abs/2104.00788v1
• Date: Thu, 1 Apr 2021 22:22:47 GMT
• ステータス: 処理完了
• システム内更新日: 2021-04-05 23:45:02.645823
• Title: A study on the effects of compression on hyperspectral image classification
• Title（参考訳）: ハイパースペクトル画像分類における圧縮の影響に関する研究
• Authors: Kiran Mantripragada, Phuong D. Dao, Yuhong He, Faisal Z. Qureshi
• Abstract要約: PCA, KPCA, ICA, AE, DAEの5次元還元法を用いて, 301次元ハイパースペクトル画素を圧縮する。 圧縮速度が90%を超えると,PCA,KPCA,ICAの信号再構成能力は向上する。 AEおよびDAE法は95%圧縮率でより良い分類精度を示しますが、97%で再び減少します。
• 参考スコア（独自算出の注目度）: 2.752817022620644
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: This paper presents a systematic study the effects of compression on hyperspectral pixel classification task. We use five dimensionality reduction methods -- PCA, KPCA, ICA, AE, and DAE -- to compress 301-dimensional hyperspectral pixels. Compressed pixels are subsequently used to perform pixel-based classifications. Pixel classification accuracies together with compression method, compression rates, and reconstruction errors provide a new lens to study the suitability of a compression method for the task of pixel-based classification. We use three high-resolution hyperspectral image datasets, representing three common landscape units (i.e. urban, transitional suburban, and forests) collected by the Remote Sensing and Spatial Ecosystem Modeling laboratory of the University of Toronto. We found that PCA, KPCA, and ICA post greater signal reconstruction capability; however, when compression rate is more than 90\% those methods showed lower classification scores. AE and DAE methods post better classification accuracy at 95\% compression rate, however decreasing again at 97\%, suggesting a sweet-spot at the 95\% mark. Our results demonstrate that the choice of a compression method with the compression rate are important considerations when designing a hyperspectral image classification pipeline.
• Abstract（参考訳）: 本稿では,超スペクトル画素分類タスクにおける圧縮の影響を体系的に研究する。 301次元超スペクトル画素の圧縮には, pca, kpca, ica, ae, daeの5次元化法を用いる。 圧縮ピクセルはその後、ピクセルベースの分類を行うために使用される。 画素分類アキュラリティと圧縮法,圧縮率,再構成誤差は,画素分類タスクにおける圧縮法の適合性を調べるための新しいレンズを提供する。 高解像度ハイパースペクトル画像データセットを3つ使用し、3つの一般的な景観単位(すなわち3つ)を表現した。 トロント大学のリモートセンシング・空間生態系モデリング研究所(Remote Sensing and Space Ecosystem Modeling Laboratory)が収集した都市、トランジショナル郊外、森林。 その結果, PCA, KPCA, ICAの信号再構成能力は向上したが, 圧縮速度が90%以上であれば, 分類スコアは低かった。 AE法とDAE法は、95%の圧縮率でより良い分類精度を示すが、97の圧縮率で再び減少し、95の圧縮率でスイートスポットを示す。 本研究では,ハイパースペクトル画像分類パイプラインの設計において,圧縮率の高い圧縮方法の選択が重要な考慮事項であることを示す。

関連論文リスト

• Transferable Learned Image Compression-Resistant Adversarial Perturbations [66.46470251521947]
  敵対的攻撃は容易に画像分類システムを破壊し、DNNベースの認識タスクの脆弱性を明らかにする。 我々は、学習した画像圧縮機を前処理モジュールとして利用する画像分類モデルをターゲットにした新しいパイプラインを提案する。
  論文  参考訳（メタデータ） (2024-01-06T03:03:28Z)
• Hyperspectral Image Compression Using Sampling and Implicit Neural Representations [2.3931689873603603]
  ハイパースペクトル画像は、シーンの画像中の画素の電磁スペクトルを記録する。 これらの画像の撮影コストが低下する中で、ハイパースペクトル画像の保存、送信、解析のための効率的な技術を開発する必要がある。 本稿では,暗黙的ニューラル表現を用いたハイパースペクトル画像圧縮法を提案する。
  論文  参考訳（メタデータ） (2023-12-04T01:10:04Z)
• Crowd Counting on Heavily Compressed Images with Curriculum Pre-Training [90.76576712433595]
  ディープニューラルネットワークによって処理された画像に損失圧縮を適用することで、大幅な精度低下につながる可能性がある。 カリキュラム学習のパラダイムに着想を得て,圧縮画像の群集カウントのためのカリキュラム事前学習(CPT)と呼ばれる新しいトレーニング手法を提案する。
  論文  参考訳（メタデータ） (2022-08-15T08:43:21Z)
• Lost in Compression: the Impact of Lossy Image Compression on Variable Size Object Detection within Infrared Imagery [11.135527192198092]
  ロスシー画像圧縮戦略は、データを縮小形式に符号化することで、データのより効率的な保存と送信を可能にする。 これは、より少ないストレージ環境において、より大きなデータセットによるトレーニングを可能にするために不可欠である。 本研究では,95,75,50,15,10,5の圧縮レベルを6つの離散的に増加させたJPEG圧縮法を赤外線(熱)画像に適用する。
  論文  参考訳（メタデータ） (2022-05-16T21:54:32Z)
• SwinIQA: Learned Swin Distance for Compressed Image Quality Assessment [23.87848736166893]
  我々は,スウィン距離空間における圧縮画像の知覚的品質を測定するために,フル参照画像品質評価尺度SwinIQAを設計する。 実験の結果,提案手法は従来のCLICデータセットの手法と学習に基づく手法と比較して,人間の知覚的判断との整合性が高いことがわかった。
  論文  参考訳（メタデータ） (2022-05-09T13:31:27Z)
• Estimating the Resize Parameter in End-to-end Learned Image Compression [50.20567320015102]
  本稿では,最近の画像圧縮モデルの速度歪みトレードオフをさらに改善する検索自由化フレームワークについて述べる。 提案手法により,Bjontegaard-Deltaレート(BD-rate)を最大10%向上させることができる。
  論文  参考訳（メタデータ） (2022-04-26T01:35:02Z)
• Towards Compact CNNs via Collaborative Compression [166.86915086497433]
  チャネルプルーニングとテンソル分解を結合してCNNモデルを圧縮する協調圧縮方式を提案する。 52.9%のFLOPを削減し、ResNet-50で48.4%のパラメータを削除しました。
  論文  参考訳（メタデータ） (2021-05-24T12:07:38Z)
• Attention-guided Image Compression by Deep Reconstruction of Compressive Sensed Saliency Skeleton [36.83490465562509]
  注意誘導二重層画像圧縮(AGDL)のための深層学習システムを提案する。 AGDL圧縮システムでは、画像はベース層と注目誘導精製層という2つの層に符号化される。
  論文  参考訳（メタデータ） (2021-03-29T06:43:59Z)
• Analyzing and Mitigating JPEG Compression Defects in Deep Learning [69.04777875711646]
  本稿では,JPEG圧縮が共通タスクやデータセットに与える影響を統一的に検討する。 高圧縮の一般的なパフォーマンス指標には大きなペナルティがあることが示される。
  論文  参考訳（メタデータ） (2020-11-17T20:32:57Z)
• Discernible Image Compression [124.08063151879173]
  本稿では、外観と知覚の整合性の両方を追求し、圧縮画像を作成することを目的とする。 エンコーダ・デコーダ・フレームワークに基づいて,事前学習したCNNを用いて,オリジナル画像と圧縮画像の特徴を抽出する。 ベンチマーク実験により,提案手法を用いて圧縮した画像は,その後の視覚認識・検出モデルでもよく認識できることが示された。
  論文  参考訳（メタデータ） (2020-02-17T07:35:08Z)

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。