論文の概要: Hyperspectral Pixel Unmixing with Latent Dirichlet Variational
Autoencoder
- arxiv url: http://arxiv.org/abs/2203.01327v4
- Date: Sun, 28 Jan 2024 23:11:31 GMT
- ステータス: 処理完了
- システム内更新日: 2024-01-31 01:16:53.001091
- Title: Hyperspectral Pixel Unmixing with Latent Dirichlet Variational
Autoencoder
- Title（参考訳）: 遅延ディリクレ変分オートエンコーダを用いたハイパースペクトルレンズアンミキシング
- Authors: Kiran Mantripragada and Faisal Z. Qureshi
- Abstract要約: 本稿では,ハイパースペクトル画素のアンミックス方式を提案する。
提案手法は,変分オートエンコーダ設定における存在推定と終端抽出の問題を解く。
提案するモデルの転送学習能力を,CuupriteとOnTech-HSI-Syn-21データセットで示す。
- 参考スコア（独自算出の注目度）: 2.3931689873603603
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: We present a method for hyperspectral pixel {\it unmixing}. The proposed
method assumes that (1) {\it abundances} can be encoded as Dirichlet
distributions and (2) spectra of {\it endmembers} can be represented as
multivariate Normal distributions. The method solves the problem of abundance
estimation and endmember extraction within a variational autoencoder setting
where a Dirichlet bottleneck layer models the abundances, and the decoder
performs endmember extraction. The proposed method can also leverage transfer
learning paradigm, where the model is only trained on synthetic data containing
pixels that are linear combinations of one or more endmembers of interest. In
this case, we retrieve endmembers (spectra) from the United States Geological
Survey Spectral Library. The model thus trained can be subsequently used to
perform pixel unmixing on "real data" that contains a subset of the endmembers
used to generated the synthetic data. The model achieves state-of-the-art
results on several benchmarks: Cuprite, Urban Hydice and Samson. We also
present new synthetic dataset, OnTech-HSI-Syn-21, that can be used to study
hyperspectral pixel unmixing methods. We showcase the transfer learning
capabilities of the proposed model on Cuprite and OnTech-HSI-Syn-21 datasets.
In summary, the proposed method can be applied for pixel unmixing a variety of
domains, including agriculture, forestry, mineralogy, analysis of materials,
healthcare, etc. Additionally, the proposed method eschews the need for
labelled data for training by leveraging the transfer learning paradigm, where
the model is trained on synthetic data generated using the endmembers present
in the "real" data.
- Abstract（参考訳）: ハイパースペクトル画素 {\it unmixing} の手法を提案する。
提案手法は,(1) 量の分布をディリクレ分布として符号化し,(2) のスペクトルを多変量正規分布として表現できると仮定する。
この方法は、ディリクレボトルネック層が存在量をモデル化する変分オートエンコーダ設定において、存在量推定とエンドメンバー抽出の問題を解決し、デコーダがエンドメンバー抽出を行う。
提案手法は,1つ以上の参加者の線形結合である画素を含む合成データに対してのみモデルを訓練するトランスファーラーニングパラダイムを利用することができる。
この場合、アメリカ地質調査所のスペクトルライブラリーからエンドメンバー(spectra)を検索する。
このように訓練されたモデルは、その後、合成データを生成するために使用されるエンドメンバーのサブセットを含む「実データ」のピクセルアンミックスを実行するために使うことができる。
このモデルは、いくつかのベンチマーク(Cuprite、Urban Hydice、Samson)で最先端の結果を得る。
また,ハイパースペクトル画素アンミックス法の研究に使用できる新しい合成データセットontech-hsi-syn-21を提案する。
提案するモデルの転送学習能力を,CuupriteとOnTech-HSI-Syn-21データセットで示す。
要約すると, 農業, 林業, 鉱物学, 材料分析, 医療など, 様々な分野の画素を解き放つために, 提案手法を適用することができる。
さらに,「現実」データに存在するエンドメンバーを用いて生成した合成データに基づいてモデルをトレーニングするトランスファー学習パラダイムを活用することで,学習のためのラベル付きデータの必要性を緩和する。
関連論文リスト
- Synthetic dual image generation for reduction of labeling efforts in semantic segmentation of micrographs with a customized metric function [0.0]
材料分析のためのセマンティックセグメンテーションモデルの訓練には、マイクログラフとそれに対応するマスクが必要である。
マスクと組み合わせた合成微細構造画像の生成による意味的セグメンテーションモデルの改善のためのワークフローを実証する。
このアプローチは、少数の実画像を持つモデルをトレーニングするためのユーザフレンドリなソリューションとして機能するなど、さまざまな種類の画像データに一般化することができる。
論文 参考訳（メタデータ） (2024-08-01T16:54:11Z) - Adaptive Fuzzy C-Means with Graph Embedding [84.47075244116782]
ファジィクラスタリングアルゴリズムは、大まかに2つの主要なグループに分類できる: ファジィC平均法(FCM)と混合モデルに基づく方法。
本稿では,FCMを用いたクラスタリングモデルを提案する。
論文 参考訳（メタデータ） (2024-05-22T08:15:50Z) - Exploring Beyond Logits: Hierarchical Dynamic Labeling Based on Embeddings for Semi-Supervised Classification [49.09505771145326]
モデル予測に依存しない階層型動的ラベル付け(HDL)アルゴリズムを提案し,画像埋め込みを用いてサンプルラベルを生成する。
本手法は,半教師付き学習における擬似ラベル生成のパラダイムを変える可能性がある。
論文 参考訳（メタデータ） (2024-04-26T06:00:27Z) - A consensus-constrained parsimonious Gaussian mixture model for
clustering hyperspectral images [0.0]
食品エンジニアは、ハイパースペクトル画像を使用して、食品サンプルのタイプと品質を分類する。
これらの手法を訓練するには、各トレーニング画像の各ピクセルにラベルを付ける必要がある。
ハイパースペクトル画像に画素をラベル付けするために, コンセンサス制約付き擬似ガウス混合モデル (ccPGMM) を提案する。
論文 参考訳（メタデータ） (2024-03-05T22:23:43Z) - SpACNN-LDVAE: Spatial Attention Convolutional Latent Dirichlet Variational Autoencoder for Hyperspectral Pixel Unmixing [1.8024397171920885]
この研究は、局所空間コンテキストを考慮したLDVAE (Latent Dirichlet Variational Autoencoder) ピクセルアンミックス方式を拡張した。
提案手法は,等方性畳み込みニューラルネットワークを用いて,エンドメンバー上のディリクレ分布として画素を符号化する。
論文 参考訳（メタデータ） (2023-11-17T18:45:00Z) - Probabilistic Deep Metric Learning for Hyperspectral Image
Classification [91.5747859691553]
本稿では,ハイパースペクトル画像分類のための確率論的深度学習フレームワークを提案する。
ハイパースペクトルセンサーが捉えた画像に対して、各ピクセルのカテゴリを予測することを目的としている。
我々のフレームワークは、既存のハイパースペクトル画像分類法に容易に適用できる。
論文 参考訳（メタデータ） (2022-11-15T17:57:12Z) - MetaPix: Domain Transfer for Semantic Segmentation by Meta Pixel
Weighting [1.9671123873378715]
我々はメタラーニングによって合成データのピクセルレベルの重み付けを学習する。
実験により, 1つのメタモジュールのみを用いた手法は, 対角的特徴アライメント, 再構成損失, および画素, 領域, 画像レベルの階層重み付けの複雑な組み合わせよりも優れていることが示された。
論文 参考訳（メタデータ） (2021-10-05T01:31:00Z) - NeRF in detail: Learning to sample for view synthesis [104.75126790300735]
ニューラルレイディアンス場(NeRF)法は目覚ましい新しいビュー合成を実証している。
この作業では、バニラ粗大なアプローチの明確な制限に対処します -- パフォーマンスに基づいており、手元にあるタスクのエンドツーエンドをトレーニングしていません。
我々は、サンプルの提案と、そのネットワークにおける重要性を学習し、そのニューラルネットワークアーキテクチャに対する複数の代替案を検討し比較する、微分可能なモジュールを導入する。
論文 参考訳（メタデータ） (2021-06-09T17:59:10Z) - Robust Finite Mixture Regression for Heterogeneous Targets [70.19798470463378]
本稿では,サンプルクラスタの探索と,複数の不完全な混合型ターゲットを同時にモデル化するFMRモデルを提案する。
我々は、高次元の学習フレームワークの下で、無症状のオラクルのパフォーマンス境界をモデルに提供します。
その結果,我々のモデルは最先端の性能を達成できることがわかった。
論文 参考訳（メタデータ） (2020-10-12T03:27:07Z) - Multi-Spectral Image Synthesis for Crop/Weed Segmentation in Precision
Farming [3.4788711710826083]
本稿では, 精密農業における作物・雑草の分枝化問題に適用し, 共通データ増分法に関する代替手法を提案する。
我々は、最も関連性の高いオブジェクトクラス(作物や雑草)を合成されたクラスに置き換えることで、半人工的なサンプルを作成する。
RGBデータに加えて、近赤外(NIR)情報も考慮し、4つのチャネルマルチスペクトル合成画像を生成する。
論文 参考訳（メタデータ） (2020-09-12T08:49:36Z) - Set Based Stochastic Subsampling [85.5331107565578]
本稿では,2段階間ニューラルサブサンプリングモデルを提案する。
画像分類,画像再構成,機能再構築,少数ショット分類など,様々なタスクにおいて,低いサブサンプリング率で関連ベースラインを上回っていることを示す。
論文 参考訳（メタデータ） (2020-06-25T07:36:47Z)
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。