Fugu-MT 論文翻訳(概要): A2S-NAS: Asymmetric Spectral-Spatial Neural Architecture Search For Hyperspectral Image Classification

論文の概要: A2S-NAS: Asymmetric Spectral-Spatial Neural Architecture Search For Hyperspectral Image Classification

arxiv url: http://arxiv.org/abs/2302.11868v1
Date: Thu, 23 Feb 2023 09:15:14 GMT
ステータス: 処理完了
システム内更新日: 2023-02-24 15:52:59.740443
Title: A2S-NAS: Asymmetric Spectral-Spatial Neural Architecture Search For Hyperspectral Image Classification
Title（参考訳）: A2S-NAS:ハイパースペクトル画像分類のための非対称スペクトル空間ニューラルネットワーク探索
Authors: Lin Zhan, Jiayuan Fan, Peng Ye, Jianjian Cao
Abstract要約: 本研究では,非対称なスペクトル空間次元を克服し,重要な特徴を捉えるための多段階探索アーキテクチャを提案する。まず、スペクトル空間次元上の非対称プーリングは、HSIの本質的特徴を極大に保持する。そして、選択可能な範囲の受容場を持つ3D畳み込みは、固定サイズの畳み込みカーネルの制約を克服する。
参考スコア（独自算出の注目度）: 5.0789200970424035
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Existing deep learning-based hyperspectral image (HSI) classification works still suffer from the limitation of the fixed-sized receptive field, leading to difficulties in distinctive spectral-spatial features for ground objects with various sizes and arbitrary shapes. Meanwhile, plenty of previous works ignore asymmetric spectral-spatial dimensions in HSI. To address the above issues, we propose a multi-stage search architecture in order to overcome asymmetric spectral-spatial dimensions and capture significant features. First, the asymmetric pooling on the spectral-spatial dimension maximally retains the essential features of HSI. Then, the 3D convolution with a selectable range of receptive fields overcomes the constraints of fixed-sized convolution kernels. Finally, we extend these two searchable operations to different layers of each stage to build the final architecture. Extensive experiments are conducted on two challenging HSI benchmarks including Indian Pines and Houston University, and results demonstrate the effectiveness of the proposed method with superior performance compared with the related works.
Abstract（参考訳）: 既存のDeep Learning-based Hyperspectral Image (HSI) 分類作業は、固定サイズの受容野の限界に悩まされており、様々な大きさと任意の形状の地上物体のスペクトル空間的特徴に障害をもたらす。一方、多くの先行研究はHSIの非対称スペクトル空間次元を無視している。上記の課題に対処するため,非対称スペクトル空間次元を克服し,重要な特徴を捉えるための多段階探索アーキテクチャを提案する。まず、スペクトル空間次元上の非対称プールは、HSIの本質的特徴を極大に保持する。そして、選択可能な範囲の受容場を持つ3D畳み込みは、固定サイズの畳み込みカーネルの制約を克服する。最後に、これら2つの検索可能な操作を各ステージの異なるレイヤに拡張し、最終的なアーキテクチャを構築します。 Indian Pines と Houston University を含む2つの挑戦的 HSI ベンチマークで大規模な実験を行い,本手法の有効性を関連する研究と比較した。

関連論文リスト

HTD-Mamba: Efficient Hyperspectral Target Detection with Pyramid State Space Model [5.505983410956103]
ハイパースペクトルターゲット検出(HTD)は、ピクセルレベルの複雑な背景から興味のある対象を特定する。本稿では, HTD-Mamba というピラミッド状態空間モデル (SSM) を用いた効率的な自己教師型 HTD 手法を提案する。 4つの公開データセットで行った実験により,提案手法は定量評価と定性評価の両方において最先端の手法より優れていることが示された。
論文参考訳（メタデータ） (2024-07-09T13:21:26Z)
3DSS-Mamba: 3D-Spectral-Spatial Mamba for Hyperspectral Image Classification [14.341510793163138]
HSI分類のための新しい3次元スペクトル空間マンバフレームワークを提案する。 3Dスペクトル-空間選択走査機構を導入し、3Dハイパースペクトルトークン上で画素ワイズ選択走査を行う。実験結果と解析結果から,提案手法はHSI分類ベンチマークの最先端手法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） (2024-05-21T04:10:26Z)
ESSAformer: Efficient Transformer for Hyperspectral Image Super-resolution [76.7408734079706]
単一ハイパースペクトル像超解像(単一HSI-SR)は、低分解能観測から高分解能ハイパースペクトル像を復元することを目的としている。本稿では,1つのHSI-SRの繰り返し精製構造を持つESSA注目組込みトランスフォーマネットワークであるESSAformerを提案する。
論文参考訳（メタデータ） (2023-07-26T07:45:14Z)
Object Detection in Hyperspectral Image via Unified Spectral-Spatial Feature Aggregation [55.9217962930169]
S2ADetは、高スペクトル画像に固有の豊富なスペクトル情報と空間補完情報を利用する物体検出器である。 S2ADetは既存の最先端メソッドを超え、堅牢で信頼性の高い結果を達成する。
論文参考訳（メタデータ） (2023-06-14T09:01:50Z)
HKNAS: Classification of Hyperspectral Imagery Based on Hyper Kernel Neural Architecture Search [104.45426861115972]
設計したハイパーカーネルを利用して,構造パラメータを直接生成することを提案する。我々は1次元または3次元の畳み込みを伴う画素レベルの分類と画像レベルの分類を別々に行う3種類のネットワークを得る。 6つの公開データセットに関する一連の実験は、提案手法が最先端の結果を得ることを示した。
論文参考訳（メタデータ） (2023-04-23T17:27:40Z)
Spectral Enhanced Rectangle Transformer for Hyperspectral Image Denoising [64.11157141177208]
ハイパースペクトル画像の空間的およびスペクトル的相関をモデル化するスペクトル拡張矩形変換器を提案する。前者に対しては、長方形自己アテンションを水平および垂直に利用し、空間領域における非局所的類似性を捉える。後者のために,空間スペクトル立方体の大域的低ランク特性を抽出し,雑音を抑制するスペクトル拡張モジュールを設計する。
論文参考訳（メタデータ） (2023-04-03T09:42:13Z)
Deep Diversity-Enhanced Feature Representation of Hyperspectral Images [87.47202258194719]
トポロジを改良して3次元畳み込みを補正し,上行階の高次化を図る。また、要素間の独立性を最大化するために特徴マップに作用する新しい多様性対応正規化(DA-Reg)項を提案する。提案したRe$3$-ConvSetとDA-Regの優位性を実証するために,様々なHS画像処理および解析タスクに適用する。
論文参考訳（メタデータ） (2023-01-15T16:19:18Z)
Hyperspectral Images Classification and Dimensionality Reduction using spectral interaction and SVM classifier [0.0]
ハイパースペクトル画像(HSI)の高次元性は、収集したデータを分析する上で大きな課題の1つである。ノイズ、冗長、無関係なバンドの存在は、計算複雑性を増大させる。本稿では,スペクトル相互作用尺度に基づく新しいフィルタ手法と,次元減少のための支持ベクトルマシンを提案する。
論文参考訳（メタデータ） (2022-10-27T15:37:57Z)
Mask-guided Spectral-wise Transformer for Efficient Hyperspectral Image Reconstruction [127.20208645280438]
ハイパースペクトル画像(HSI)再構成は、2次元計測から3次元空間スペクトル信号を復元することを目的としている。スペクトル間相互作用のモデル化は、HSI再構成に有用である。 Mask-guided Spectral-wise Transformer (MST) は,HSI再構成のための新しいフレームワークを提案する。
論文参考訳（メタデータ） (2021-11-15T16:59:48Z)
3D-ANAS: 3D Asymmetric Neural Architecture Search for Fast Hyperspectral Image Classification [5.727964191623458]
ハイパースペクトル画像はスペクトルと空間情報を豊富に含み、土地被覆分類において不定の役割を果たす。近年,ディープラーニング技術に基づいて,有望な性能を示すHSI分類手法が提案されている。 1)ほとんどのディープラーニングモデルのアーキテクチャは手作業で設計されており、専門知識に依存しており、比較的退屈である。
論文参考訳（メタデータ） (2021-01-12T04:15:40Z)
Spectral Pyramid Graph Attention Network for Hyperspectral Image Classification [5.572542792318872]
畳み込みニューラルネットワーク(CNN)は、ハイパースペクトル画像(HSI)分類において大きな進歩を遂げている。標準畳み込みカーネルは、データポイント間の本質的な接続を無視し、結果として、領域のデラインが貧弱になり、小さなスプリアス予測がもたらされる。本稿では,これらの2つの問題に明示的に対処する新しいアーキテクチャを提案する。
論文参考訳（メタデータ） (2020-01-20T13:49:43Z)

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。