論文の概要: Weighted Hierarchical Sparse Representation for Hyperspectral Target
Detection
- arxiv url: http://arxiv.org/abs/2105.04990v1
- Date: Tue, 11 May 2021 12:50:16 GMT
- ステータス: 処理完了
- システム内更新日: 2021-05-12 13:48:28.070498
- Title: Weighted Hierarchical Sparse Representation for Hyperspectral Target
Detection
- Title(参考訳): 超スペクトルターゲット検出のための重み付き階層的スパース表現
- Authors: Chenlu Wei, Zhiyu Jiang, Yuan Yuan
- Abstract要約: ローカルとグローバルのスペクトル情報を同時に考慮した階層的背景辞書を構築する。
提案手法の有効性を検証するために,3つのハイパースペクトルターゲット検出データセットを用いた。
- 参考スコア(独自算出の注目度): 8.831857715361624
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Hyperspectral target detection has been widely studied in the field of remote
sensing. However, background dictionary building issue and the correlation
analysis of target and background dictionary issue have not been well studied.
To tackle these issues, a \emph{Weighted Hierarchical Sparse Representation}
for hyperspectral target detection is proposed. The main contributions of this
work are listed as follows. 1) Considering the insufficient representation of
the traditional background dictionary building by dual concentric window
structure, a hierarchical background dictionary is built considering the local
and global spectral information simultaneously. 2) To reduce the impureness
impact of background dictionary, target scores from target dictionary and
background dictionary are weighted considered according to the dictionary
quality. Three hyperspectral target detection data sets are utilized to verify
the effectiveness of the proposed method. And the experimental results show a
better performance when compared with the state-of-the-arts.
- Abstract(参考訳): 超スペクトルターゲット検出はリモートセンシングの分野で広く研究されている。
しかし,背景辞書作成問題と対象辞書と背景辞書の相関分析は十分に研究されていない。
これらの問題に対処するために,超スペクトル目標検出のための \emph{weighted hierarchical sparse representation} を提案する。
この作品の主な貢献は以下のとおりである。
1)二重同心窓構造による従来の背景辞書ビルの表現不足を考慮し、局所的及び大域的なスペクトル情報を同時に考慮して階層的背景辞書を構築する。
2)背景辞書の不純さへの影響を低減するため、対象辞書及び背景辞書の目標スコアを辞書品質に応じて重み付けする。
提案手法の有効性を検証するために,3つのハイパースペクトルターゲット検出データセットを用いた。
また, 実験結果から, 最先端技術と比較して優れた性能を示した。
関連論文リスト
- Semantics Meets Temporal Correspondence: Self-supervised Object-centric
Learning in Videos [69.85030245036391]
自己教師付き手法は、高レベルの意味論と低レベルの時間対応の学習において顕著な進歩を見せている。
融合した意味特徴と対応地図の上に,意味認識型マスキングスロットアテンションを提案する。
我々は、時間的コヒーレントなオブジェクト中心表現を促進するために、セマンティックおよびインスタンスレベルの時間的一貫性を自己スーパービジョンとして採用する。
論文 参考訳(メタデータ) (2023-08-19T09:12:13Z) - Distilling Coarse-to-Fine Semantic Matching Knowledge for Weakly
Supervised 3D Visual Grounding [58.924180772480504]
3Dビジュアルグラウンドリングは、所定の文クエリに対応する3Dシーンでターゲットオブジェクトを見つけることを含む。
弱教師付きアノテーションを利用して3次元視覚的接地モデルを学ぶことを提案する。
オブジェクトの提案と文のセマンティックな類似性を粗大な方法で解析する新しいセマンティックマッチングモデルを設計する。
論文 参考訳(メタデータ) (2023-07-18T13:49:49Z) - Hiding Data Helps: On the Benefits of Masking for Sparse Coding [22.712098918769243]
ノイズの存在下では,標準辞書学習目標の最小化は,過度に実現された体制下での接地真実辞書の要素の回復に失敗する可能性があることを示す。
本稿では,大規模なデータ生成プロセスにおいて,信号が増大するにつれて,基底構造辞書の復元が事実上最適となる新しいマスキング手法を提案する。
論文 参考訳(メタデータ) (2023-02-24T16:16:19Z) - DetCLIP: Dictionary-Enriched Visual-Concept Paralleled Pre-training for
Open-world Detection [118.36746273425354]
本稿では,デザインされた概念辞書から知識の豊かさを生かして,オープンワールド検出のための並列視覚概念事前学習手法を提案する。
概念をそれらの記述で豊かにすることにより、オープンドメイン学習を促進するために、さまざまな概念間の関係を明確に構築する。
提案フレームワークは、例えばLVISデータセット上で、強力なゼロショット検出性能を示し、私たちのDetCLIP-TはGLIP-Tを9.9%向上させ、レアカテゴリで13.5%改善した。
論文 参考訳(メタデータ) (2022-09-20T02:01:01Z) - Deep Learning for Hate Speech Detection: A Comparative Study [54.42226495344908]
ここでは, ディープ・ヘイト・音声検出法と浅いヘイト・音声検出法を大規模に比較した。
私たちの目標は、この地域の進歩を照らし、現在の最先端の強みと弱点を特定することです。
そこで我々は,ヘイトスピーチ検出の実践的利用に関するガイダンスの提供,最先端の定量化,今後の研究方向の特定を目的としている。
論文 参考訳(メタデータ) (2022-02-19T03:48:20Z) - Keywords lie far from the mean of all words in local vector space [5.040463208115642]
本研究では,文書の単語の主分布を局所的な単語ベクトル表現を用いてモデル化することにより,テキスト文書からキーワードを検出する異なる経路に従う。
我々は,強いベースラインと最先端の教師なしキーワード抽出手法と比較して,提案手法の高性能性を確認した。
論文 参考訳(メタデータ) (2020-08-21T14:42:33Z) - Words aren't enough, their order matters: On the Robustness of Grounding
Visual Referring Expressions [87.33156149634392]
視覚的参照表現認識のための標準ベンチマークであるRefCOgを批判的に検討する。
83.7%のケースでは言語構造に関する推論は不要である。
比較学習とマルチタスク学習の2つの手法を提案し,ViLBERTのロバスト性を高める。
論文 参考訳(メタデータ) (2020-05-04T17:09:15Z) - Contrast-weighted Dictionary Learning Based Saliency Detection for
Remote Sensing Images [3.338193485961624]
本稿では,リモートセンシング画像に対するコントラスト重み付き辞書学習(CDL)に基づく新しい唾液度検出モデルを提案する。
具体的には、正と負のサンプルから正と非正の原子を学習し、識別辞書を構築する。
提案手法を用いて, 識別辞書に基づいて, 種々の相補性マップを生成する。
論文 参考訳(メタデータ) (2020-04-06T06:49:05Z) - Weakly-Supervised Salient Object Detection via Scribble Annotations [54.40518383782725]
本稿では,スクリブルラベルからサリエンシを学習するための弱教師付きサリエント物体検出モデルを提案する。
そこで本研究では,予測されたサリエンシマップの構造アライメントを測定するために,新しい尺度であるサリエンシ構造尺度を提案する。
我々の手法は、既存の弱教師付き/非教師付き手法よりも優れているだけでなく、いくつかの完全教師付き最先端モデルと同等である。
論文 参考訳(メタデータ) (2020-03-17T12:59:50Z)
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。