論文の概要: Deep Learning Techniques for Hyperspectral Image Analysis in Agriculture: A Review

• arxiv url: http://arxiv.org/abs/2304.13880v1
• Date: Wed, 26 Apr 2023 23:58:18 GMT
• ステータス: 処理完了
• システム内更新日: 2023-04-28 14:42:45.871514
• Title: Deep Learning Techniques for Hyperspectral Image Analysis in Agriculture: A Review
• Title（参考訳）: 農業におけるハイパースペクトル画像解析のための深層学習技術:概観
• Authors: Mohamed Fadhlallah Guerri, Cosimo Distante, Paolo Spagnolo, Fares Bougourzi, and Abdelmalik Taleb-Ahmed
• Abstract要約: 本稿では, 自動エンコーダ, 会話型ニューラルネットワーク (1D, 2D, 3D) , リカレントニューラルネットワーク, ディープリーフネットワーク, ジェネレーション適応型ネットワークなど,近年のディープラーニングアプローチを概観する。 これらの手法の性能は、インドパインズ、サリナスバレー、パヴィア大学など、よく知られた土地被覆データセットで評価され議論されている。
• 参考スコア（独自算出の注目度）: 7.656687125171926
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: In the recent years, hyperspectral imaging (HSI) has gained considerably popularity among computer vision researchers for its potential in solving remote sensing problems, especially in agriculture field. However, HSI classification is a complex task due to the high redundancy of spectral bands, limited training samples, and non-linear relationship between spatial position and spectral bands. Fortunately, deep learning techniques have shown promising results in HSI analysis. This literature review explores recent applications of deep learning approaches such as Autoencoders, Convolutional Neural Networks (1D, 2D, and 3D), Recurrent Neural Networks, Deep Belief Networks, and Generative Adversarial Networks in agriculture. The performance of these approaches has been evaluated and discussed on well-known land cover datasets including Indian Pines, Salinas Valley, and Pavia University.
• Abstract（参考訳）: 近年、ハイパースペクトルイメージング(HSI)は、特に農業分野においてリモートセンシング問題を解決する可能性から、コンピュータビジョン研究者の間で大いに人気を集めている。 しかし、hsi分類はスペクトルバンドの冗長性が高く、限られたトレーニングサンプル、空間位置とスペクトルバンドの非線形関係が原因で複雑な課題である。 幸いなことに、ディープラーニング技術はhsi分析で有望な結果を示している。 本稿では,自動エンコーダ,畳み込みニューラルネットワーク(1d,2d,3d),反復型ニューラルネットワーク,深層信念ネットワーク,農業における生成的敵ネットワークなど,ディープラーニングアプローチの最近の応用について検討する。 これらの手法の性能は、インドパインズ、サリナスバレー、パヴィア大学など、よく知られた土地被覆データセットで評価され議論されている。

関連論文リスト

• ADASR: An Adversarial Auto-Augmentation Framework for Hyperspectral and Multispectral Data Fusion [54.668445421149364]
  HSI(Deep Learning-based Hyperspectral Image)は、HSI(Hyperspectral Image)とMSI(Multispectral Image)を深層ニューラルネットワーク(DNN)に融合させることにより、高空間分解能HSI(HR-HSI)を生成することを目的としている。 本稿では, HSI-MSI 融合のためのデータ多様性を向上するために, HSI-MSI サンプルペアの自動最適化と拡張を行う新しい逆自動データ拡張フレームワーク ADASR を提案する。
  論文  参考訳（メタデータ） (2023-10-11T07:30:37Z)
• A comprehensive review of 3D convolutional neural network-based classification techniques of diseased and defective crops using non-UAV-based hyperspectral images [0.1338174941551702]
  ハイパースペクトルイメージング(HSI)は、物体の構造と組成に関する貴重な情報を提供する非破壊的で接触のない技術である。 スペクトル範囲が広いため、HSIは作物の健康と生産性をモニタリングするためのより効果的なツールとなる。 農業技術におけるこのイメージングツールの出現により、研究者は病気や欠陥のある作物の検出に関する問題をより正確に解決することができる。
  論文  参考訳（メタデータ） (2023-06-15T18:02:53Z)
• A systematic review of the use of Deep Learning in Satellite Imagery for Agriculture [8.483010768003613]
  現代のディープラーニング手法は、ほとんどのタスクで従来の機械学習よりも一貫して優れていた。 LSTMリカレントニューラルネットワークは、収量予測のためにランダムフォレストを一貫して上回らなかった。 いくつかの研究は、衛星画像で利用可能な余分なスペクトル分解能を特に利用した。
  論文  参考訳（メタデータ） (2022-10-03T23:44:38Z)
• SAR Despeckling Using Overcomplete Convolutional Networks [53.99620005035804]
  スペックルはSAR画像を劣化させるため、リモートセンシングにおいて重要な問題である。 近年の研究では、畳み込みニューラルネットワーク(CNN)が古典的解法よりも優れていることが示されている。 本研究は、受容場を制限することで低レベルの特徴を学習することに集中するために、過剰なCNNアーキテクチャを用いる。 本稿では,合成および実SAR画像の非特定化手法と比較して,提案手法により非特定化性能が向上することを示す。
  論文  参考訳（メタデータ） (2022-05-31T15:55:37Z)
• Fine-Grained Image Analysis with Deep Learning: A Survey [146.22351342315233]
  きめ細かい画像解析(FGIA)は、コンピュータビジョンとパターン認識における長年の根本的な問題である。 本稿では、FGIAの分野を再定義し、FGIAの2つの基礎研究領域、細粒度画像認識と細粒度画像検索を統合することで、FGIAの分野を広げようとしている。
  論文  参考訳（メタデータ） (2021-11-11T09:43:56Z)
• A Comprehensive Survey on Community Detection with Deep Learning [93.40332347374712]
  コミュニティは、ネットワーク内の他のコミュニティと異なるメンバーの特徴と接続を明らかにする。 この調査は、最先端の手法の様々なカテゴリをカバーする新しい分類法を考案し、提案する。 ディープニューラルネットワーク(Deep Neural Network)は、畳み込みネットワーク(convolutional network)、グラフアテンションネットワーク( graph attention network)、生成的敵ネットワーク(generative adversarial network)、オートエンコーダ(autoencoder)に分けられる。
  論文  参考訳（メタデータ） (2021-05-26T14:37:07Z)
• A SAR speckle filter based on Residual Convolutional Neural Networks [68.8204255655161]
  本研究では,Convolutional Neural Networks(CNN)に基づく深層学習(DL)アルゴリズムを用いて,Sentinel-1データからスペックルノイズをフィルタリングする新しい手法を提案する。 得られた結果は、技術の現状と比較すると、ピーク信号対雑音比(PSNR)と構造類似度指数(SSIM)の点で明確な改善を示しています。
  論文  参考訳（メタデータ） (2021-04-19T14:43:07Z)
• A Compact Deep Learning Model for Face Spoofing Detection [4.250231861415827]
  プレゼンテーションアタック検出(PAD)は研究コミュニティから大きな注目を集めている。 我々は、統一されたニューラルネットワークアーキテクチャにおいて、幅広い機能と深い機能の両方を融合することで、この問題に対処する。 この手順は、ROSE-Youtu、SiW、NUAA Imposterなどのさまざまなスプーフィングデータセットで行われます。
  論文  参考訳（メタデータ） (2021-01-12T21:20:09Z)
• NAS-Navigator: Visual Steering for Explainable One-Shot Deep Neural Network Synthesis [53.106414896248246]
  本稿では,分析者がドメイン知識を注入することで,解のサブグラフ空間を効果的に構築し,ネットワーク探索をガイドするフレームワークを提案する。 このテクニックを反復的に適用することで、アナリストは、与えられたアプリケーションに対して最高のパフォーマンスのニューラルネットワークアーキテクチャに収束することができる。
  論文  参考訳（メタデータ） (2020-09-28T01:48:45Z)
• A Survey on Deep Learning Techniques for Stereo-based Depth Estimation [30.330599857204344]
  RGB画像から深度を推定することは、長年続く不適切な問題である。 ステレオベースの深度推定のためのディープラーニングは、コミュニティから関心を集めている。 この新世代の手法は、性能の大きな飛躍を見せている。
  論文  参考訳（メタデータ） (2020-06-01T13:09:46Z)

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。