論文の概要: A Multibranch Convolutional Neural Network for Hyperspectral Unmixing

• arxiv url: http://arxiv.org/abs/2208.02361v1
• Date: Wed, 3 Aug 2022 21:59:03 GMT
• ステータス: 処理完了
• システム内更新日: 2022-08-05 12:57:58.682781
• Title: A Multibranch Convolutional Neural Network for Hyperspectral Unmixing
• Title（参考訳）: ハイパースペクトルアンミックスのためのマルチブランチ畳み込みニューラルネットワーク
• Authors: Lukasz Tulczyjew, Michal Kawulok, Nicolas Long\'ep\'e, Bertrand Le Saux, Jakub Nalepa
• Abstract要約: 本研究では, 混合過程におけるスペクトル, 空間, スペクトル空間特徴の融合によるマルチブランチ畳み込みニューラルネットワークを提案する。 我々の手法は文献の他者より優れており、高い品質の分数推定につながる。
• 参考スコア（独自算出の注目度）: 33.10103896300028
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Hyperspectral unmixing remains one of the most challenging tasks in the analysis of such data. Deep learning has been blooming in the field and proved to outperform other classic unmixing techniques, and can be effectively deployed onboard Earth observation satellites equipped with hyperspectral imagers. In this letter, we follow this research pathway and propose a multi-branch convolutional neural network that benefits from fusing spectral, spatial, and spectral-spatial features in the unmixing process. The results of our experiments, backed up with the ablation study, revealed that our techniques outperform others from the literature and lead to higher-quality fractional abundance estimation. Also, we investigated the influence of reducing the training sets on the capabilities of all algorithms and their robustness against noise, as capturing large and representative ground-truth sets is time-consuming and costly in practice, especially in emerging Earth observation scenarios.
• Abstract（参考訳）: ハイパースペクトルアンミックスは、そのようなデータ分析において最も難しいタスクの1つです。 深層学習はこの分野で開花しており、他の古典的な未混合技術よりも優れており、ハイパースペクトル画像装置を備えた地球観測衛星に効果的に展開することができる。 本稿では, この研究経路に従い, 未混合過程におけるスペクトル, 空間, スペクトル空間の特徴を融合する多分岐畳み込みニューラルネットワークを提案する。 アブレーション研究に裏付けられた実験の結果から,本手法は他の文献よりも優れており,高品質な分画量推定に繋がることが明らかとなった。 また,特に新興地球観測シナリオにおいて,大規模かつ代表的な地中集合の捕捉には時間がかかり,コストがかかるため,すべてのアルゴリズムの能力と雑音に対する頑健性にトレーニングセットの削減が与える影響について検討した。

関連論文リスト

• Spatio-temporal correlations of noise in MOS spin qubits [0.2981781876202281]
  我々は、周波数成分と時間成分の両方に信号を分解して、システム内のノイズ源についてより深い知見を得る方法を示す。 一対のSiMOS量子ドットにおける最先端2量子ビットシステム上での長いフィードバック実験に本解析を適用した。
  論文  参考訳（メタデータ） (2023-09-21T23:45:14Z)
• Efficient Classical Shadow Tomography through Many-body Localization Dynamics [4.923287660970805]
  我々は,多体ローカライゼーションのダイナミクスを基盤とした代替手法を提案する。 提案手法は浅部回路に匹敵する高い効率を達成できることを実証する。
  論文  参考訳（メタデータ） (2023-09-03T19:50:28Z)
• Feature Selection integrated Deep Learning for Ultrahigh Dimensional and Highly Correlated Feature Space [0.456877715768796]
  本稿では,クラスタレベルの予測器のクラスタレベルの発見に深層学習を駆使した新しいスクリーニング・クリーニング手法を提案する。 広範囲のシミュレーションシナリオに対する徹底的な実証実験により,提案手法の有効性が実証された。
  論文  参考訳（メタデータ） (2022-09-15T02:58:42Z)
• Momentum Diminishes the Effect of Spectral Bias in Physics-Informed Neural Networks [72.09574528342732]
  物理インフォームドニューラルネットワーク(PINN)アルゴリズムは、偏微分方程式(PDE)を含む幅広い問題を解く上で有望な結果を示している。 彼らはしばしば、スペクトルバイアスと呼ばれる現象のために、ターゲット関数が高周波の特徴を含むとき、望ましい解に収束しない。 本研究は, 運動量による勾配降下下で進化するPINNのトレーニングダイナミクスを, NTK(Neural Tangent kernel)を用いて研究するものである。
  論文  参考訳（メタデータ） (2022-06-29T19:03:10Z)
• Dissecting U-net for Seismic Application: An In-Depth Study on Deep Learning Multiple Removal [3.058685580689605]
  地震処理は、しばしばデータ収集時に現れる多重を抑圧する必要がある。 我々は、その使い方の複雑さを減らしながら、競争力のある結果を提供するディープラーニングベースの代替案を提示します。
  論文  参考訳（メタデータ） (2022-06-24T07:16:27Z)
• A Free Lunch from the Noise: Provable and Practical Exploration for Representation Learning [55.048010996144036]
  ある雑音仮定の下では、対応するマルコフ遷移作用素の線型スペクトル特性を自由な閉形式で得られることを示す。 本稿では,スペクトルダイナミクス埋め込み(SPEDE)を提案する。これはトレードオフを破り,雑音の構造を利用して表現学習のための楽観的な探索を完遂する。
  論文  参考訳（メタデータ） (2021-11-22T19:24:57Z)
• Spectral Splitting and Aggregation Network for Hyperspectral Face Super-Resolution [82.59267937569213]
  高分解能(HR)ハイパースペクトル顔画像は、制御されていない条件下での顔関連コンピュータビジョンタスクにおいて重要な役割を果たす。 本稿では,ハイパースペクトル顔画像への深層学習手法の適用方法について検討する。 限られたトレーニングサンプルを用いたHFSRのためのスペクトル分割集約ネットワーク(SSANet)を提案する。
  論文  参考訳（メタデータ） (2021-08-31T02:13:00Z)
• Spatial-Phase Shallow Learning: Rethinking Face Forgery Detection in Frequency Domain [88.7339322596758]
  本論文では,空間画像と位相スペクトルを組み合わせ,顔の偽造のアップサンプリング成果をキャプチャするSPSL(Spatial-Phase Shallow Learning)法を提案する。 SPSLは、クロスデータセット評価における最先端性能とマルチクラス分類を実現し、単一データセット評価において同等の結果を得ることができる。
  論文  参考訳（メタデータ） (2021-03-02T16:45:08Z)
• LAAT: Locally Aligned Ant Technique for discovering multiple faint low dimensional structures of varying density [0.0]
  多様体学習では、密度がノイズによって示されるものよりもかなり高い場合、背景雑音や構造に近いノイズを除去する解がいくつか示されている。 本稿では,Antコロニー最適化のアイデアに基づいて,雑音の存在下で多様体点を抽出する新しい手法を提案する。 既存のランダムウォーク解とは対照的に、我々の手法は多様体の主方向と局所的に一致した点を捉える。
  論文  参考訳（メタデータ） (2020-09-17T14:22:50Z)
• Spectral Analysis Network for Deep Representation Learning and Image Clustering [53.415803942270685]
  本稿ではスペクトル分析に基づく教師なし深層表現学習のための新しいネットワーク構造を提案する。 パッチレベルで画像間の局所的な類似性を識別できるため、閉塞に対してより堅牢である。 クラスタリングに親しみやすい表現を学習し、データサンプル間の深い相関を明らかにすることができる。
  論文  参考訳（メタデータ） (2020-09-11T05:07:15Z)
• Seismic horizon detection with neural networks [62.997667081978825]
  本稿では,複数の実地震立方体上での地平線検出にバイナリセグメンテーションを適用し,予測モデルのキューブ間一般化に着目したオープンソースの研究である。 本研究の主な貢献は,複数実地震立方体における地平線検出にバイナリセグメンテーションを適用し,予測モデルのキューブ間一般化に着目したオープンソースの研究である。
  論文  参考訳（メタデータ） (2020-01-10T11:30:50Z)

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。