論文の概要: Hyperspectral Image Analysis with Subspace Learning-based One-Class
Classification
- arxiv url: http://arxiv.org/abs/2304.09730v1
- Date: Wed, 19 Apr 2023 15:17:05 GMT
- ステータス: 処理完了
- システム内更新日: 2023-04-20 14:06:13.548835
- Title: Hyperspectral Image Analysis with Subspace Learning-based One-Class
Classification
- Title（参考訳）: サブスペース学習に基づく1クラス分類によるハイパースペクトル画像解析
- Authors: Sertac Kilickaya, Mete Ahishali, Fahad Sohrab, Turker Ince, Moncef
Gabbouj
- Abstract要約: ハイパースペクトル画像(HSI)分類は、環境モニタリング、医療画像、土地利用/土地被覆(LULC)分類など、多くの応用において重要な課題である。
本研究では,最近提案した1クラス分類(OCC)における部分空間学習手法について検討する。
このようにして、提案する分類フレームワークでは、個別の次元削減や特徴選択の手順は不要である。
LULC分類問題とリッチスペクトル情報(高次元)の不均衡ラベルを考えると,提案手法はHSIデータに適している。
- 参考スコア（独自算出の注目度）: 18.786429304405097
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Hyperspectral image (HSI) classification is an important task in many
applications, such as environmental monitoring, medical imaging, and land
use/land cover (LULC) classification. Due to the significant amount of spectral
information from recent HSI sensors, analyzing the acquired images is
challenging using traditional Machine Learning (ML) methods. As the number of
frequency bands increases, the required number of training samples increases
exponentially to achieve a reasonable classification accuracy, also known as
the curse of dimensionality. Therefore, separate band selection or
dimensionality reduction techniques are often applied before performing any
classification task over HSI data. In this study, we investigate recently
proposed subspace learning methods for one-class classification (OCC). These
methods map high-dimensional data to a lower-dimensional feature space that is
optimized for one-class classification. In this way, there is no separate
dimensionality reduction or feature selection procedure needed in the proposed
classification framework. Moreover, one-class classifiers have the ability to
learn a data description from the category of a single class only. Considering
the imbalanced labels of the LULC classification problem and rich spectral
information (high number of dimensions), the proposed classification approach
is well-suited for HSI data. Overall, this is a pioneer study focusing on
subspace learning-based one-class classification for HSI data. We analyze the
performance of the proposed subspace learning one-class classifiers in the
proposed pipeline. Our experiments validate that the proposed approach helps
tackle the curse of dimensionality along with the imbalanced nature of HSI
data.
- Abstract（参考訳）: ハイパースペクトル画像分類(hsi)は,環境モニタリング,医用画像,土地利用・土地被覆(lulc)分類など,多くの応用において重要な課題である。
近年のHSIセンサによるスペクトル情報の量が多いため,従来の機械学習(ML)手法では画像解析が困難である。
周波数帯域の数が増加するにつれて、要求されるトレーニングサンプルの数は指数関数的に増加し、合理的な分類精度を達成する。
したがって、hsiデータ上で任意の分類タスクを行う前に、分離した帯域選択や次元縮小手法が適用されることが多い。
本研究では最近,一クラス分類(OCC)のためのサブスペース学習手法を提案する。
これらの手法は,高次元データを一階分類に最適化した低次元特徴空間にマッピングする。
このようにして、提案する分類フレームワークでは、個別の次元削減や特徴選択が不要となる。
さらに、1つのクラス分類器は、1つのクラスのカテゴリのみからデータ記述を学ぶことができる。
LULC分類問題とリッチスペクトル情報(高次元)の不均衡ラベルを考えると,提案手法はHSIデータに適している。
全体として、HSIデータのサブスペース学習に基づく一クラス分類に焦点を当てた先駆的な研究である。
提案したパイプラインにおけるサブスペース学習1クラス分類器の性能を解析する。
提案手法は,HSIデータの不均衡性とともに,次元の呪いに対処する上で有効であることを示す。
関連論文リスト
- DiGeo: Discriminative Geometry-Aware Learning for Generalized Few-Shot
Object Detection [39.937724871284665]
汎用的な少ショットオブジェクト検出は、豊富なアノテーションと限られたトレーニングデータを持つ新しいクラスで、両方のベースクラス上で正確な検出を実現することを目的としている。
既存のアプローチは、ベースクラスのパフォーマンスを犠牲にして、数ショットの一般化を促進する。
クラス間分離とクラス内コンパクト性の幾何学的特徴を学習するための新しいトレーニングフレームワークDiGeoを提案する。
論文 参考訳（メタデータ） (2023-03-16T22:37:09Z) - Parametric Classification for Generalized Category Discovery: A Baseline
Study [70.73212959385387]
Generalized Category Discovery (GCD)は、ラベル付きサンプルから学習した知識を用いて、ラベルなしデータセットで新しいカテゴリを発見することを目的としている。
パラメトリック分類器の故障を調査し,高品質な監視が可能であった場合の過去の設計選択の有効性を検証し,信頼性の低い疑似ラベルを重要課題として同定する。
エントロピー正規化の利点を生かし、複数のGCDベンチマークにおける最先端性能を実現し、未知のクラス数に対して強いロバスト性を示す、単純で効果的なパラメトリック分類法を提案する。
論文 参考訳（メタデータ） (2022-11-21T18:47:11Z) - A new filter for dimensionality reduction and classification of
hyperspectral images using GLCM features and mutual information [0.0]
ハイパースペクトル画像の次元化と分類のための新しい手法を提案する。
スペクトル情報と空間情報の両方を相互情報に基づいて考慮する。
3つのよく知られたハイパースペクトルベンチマークデータセットで実験が行われる。
論文 参考訳（メタデータ） (2022-11-01T13:19:08Z) - One-Class Risk Estimation for One-Class Hyperspectral Image
Classification [8.206701378422968]
ハイパースペクトル画像(HSI)の1クラス分類は、HSIから単一のターゲットクラスを特定することを目的としている。
深層学習に基づく手法は,HSIマルチクラス化における分散重複を克服するために現在主流である。
本稿では、弱い教師付き深いHSI一級分類であるHOneClsを提案する。
論文 参考訳（メタデータ） (2022-10-27T14:15:13Z) - Supervised classification methods applied to airborne hyperspectral
images: Comparative study using mutual information [0.0]
本稿では,SVM,Random Forest RF,K-Nearest Neighbors KNN,Linear Discriminant Analysis LDAの4つの教師付き学習アルゴリズムの性能について検討する。
実験は、NASAの空中可視/赤外線イメージング分光計センサーAVIRISと反射光学系イメージング分光計ROSISセンサーから得られた3つの実際のハイパースペクトルデータセットで実施された。
論文 参考訳（メタデータ） (2022-10-27T13:39:08Z) - Self-Supervised Class Incremental Learning [51.62542103481908]
既存のクラスインクリメンタルラーニング(CIL)手法は、データラベルに敏感な教師付き分類フレームワークに基づいている。
新しいクラスデータに基づいて更新する場合、それらは破滅的な忘れがちである。
本稿では,SSCILにおける自己指導型表現学習のパフォーマンスを初めて考察する。
論文 参考訳（メタデータ） (2021-11-18T06:58:19Z) - No Fear of Heterogeneity: Classifier Calibration for Federated Learning
with Non-IID Data [78.69828864672978]
実世界のフェデレーションシステムにおける分類モデルのトレーニングにおける中心的な課題は、非IIDデータによる学習である。
このアルゴリズムは, 近似されたssian混合モデルからサンプリングした仮想表現を用いて分類器を調整する。
実験の結果,CIFAR-10,CIFAR-100,CINIC-10など,一般的なフェデレーション学習ベンチマークにおけるCCVRの現状が示された。
論文 参考訳（メタデータ） (2021-06-09T12:02:29Z) - Enhancing Fine-Grained Classification for Low Resolution Images [97.82441158440527]
低解像度画像は、限られた情報内容の固有の課題と、サブカテゴリ分類に有用な詳細の欠如に悩まされる。
本研究では,補助情報を用いて分類の識別的特徴を学習する,新たな属性支援損失を提案する。
提案する損失関数により、モデルは属性レベルの分離性を取り入れながら、クラス固有の識別特徴を学習することができる。
論文 参考訳（メタデータ） (2021-05-01T13:19:02Z) - One-Class Classification: A Survey [96.17410674315816]
One-Class Classification (OCC) は、トレーニング中に観測されたデータが単一の正のクラスからのものであるマルチクラス分類の特別なケースである。
視覚認識のための古典的統計的および最近の深層学習に基づくOCC手法のサーベイを提供する。
論文 参考訳（メタデータ） (2021-01-08T15:30:29Z) - Capturing scattered discriminative information using a deep architecture
in acoustic scene classification [49.86640645460706]
本研究では,識別情報を捕捉し,同時に過度に適合する問題を緩和する様々な手法について検討する。
我々は、ディープニューラルネットワークにおける従来の非線形アクティベーションを置き換えるために、Max Feature Map法を採用する。
2つのデータ拡張方法と2つの深いアーキテクチャモジュールは、システムの過度な適合を減らし、差別的なパワーを維持するためにさらに検討されている。
論文 参考訳（メタデータ） (2020-07-09T08:32:06Z) - Fuzziness-based Spatial-Spectral Class Discriminant Information
Preserving Active Learning for Hyperspectral Image Classification [0.456877715768796]
本研究では,局所的・グローバルな識別情報保存手法の内外におけるファジィに基づく空間スペクトルを提案する。
ベンチマークHSIデータセットによる実験結果から,FLG法が生成,極端学習機械,スパース多相ロジスティック回帰に与える影響が示された。
論文 参考訳（メタデータ） (2020-05-28T18:58:11Z)
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。