論文の概要: Cloud Detection in Multispectral Satellite Images Using Support Vector Machines With Quantum Kernels

• arxiv url: http://arxiv.org/abs/2307.07281v1
• Date: Fri, 14 Jul 2023 11:21:02 GMT
• ステータス: 処理完了
• システム内更新日: 2023-07-17 14:12:04.831755
• Title: Cloud Detection in Multispectral Satellite Images Using Support Vector Machines With Quantum Kernels
• Title（参考訳）: 量子カーネルを用いたサポートベクトルマシンによるマルチスペクトル衛星画像の雲検出
• Authors: Artur Miroszewski, Jakub Mielczarek, Filip Szczepanek, Grzegorz Czelusta, Bartosz Grabowski, Bertrand Le Saux, and Jakub Nalepa
• Abstract要約: 従来のSVMを量子カーネルで拡張し、衛星データ解析に適用することを検討する。 Landsat-8マルチスペクトルデータセットを用いて行った実験により、シミュレーションされたハイブリッドSVMが、従来のSVMと同等の精度で衛星画像の分類に成功したことが明らかになった。
• 参考スコア（独自算出の注目度）: 25.28650372879269
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Support vector machines (SVMs) are a well-established classifier effectively deployed in an array of pattern recognition and classification tasks. In this work, we consider extending classic SVMs with quantum kernels and applying them to satellite data analysis. The design and implementation of SVMs with quantum kernels (hybrid SVMs) is presented. It consists of the Quantum Kernel Estimation (QKE) procedure combined with a classic SVM training routine. The pixel data are mapped to the Hilbert space using ZZ-feature maps acting on the parameterized ansatz state. The parameters are optimized to maximize the kernel target alignment. We approach the problem of cloud detection in satellite image data, which is one of the pivotal steps in both on-the-ground and on-board satellite image analysis processing chains. The experiments performed over the benchmark Landsat-8 multispectral dataset revealed that the simulated hybrid SVM successfully classifies satellite images with accuracy on par with classic SVMs.
• Abstract（参考訳）: サポートベクターマシン(svm)は、パターン認識と分類タスクの配列に効果的にデプロイされる、確立された分類器である。 本研究では,従来のSVMを量子カーネルで拡張し,衛星データ解析に適用することを検討する。 量子カーネル(ハイブリッドSVM)を用いたSVMの設計と実装について述べる。 これは量子カーネル推定 (qke) 手順と古典的なsvmトレーニングルーチンを組み合わせたものである。 ピクセルデータはパラメータ化されたアンサッツ状態で動作するzz特徴写像を用いてヒルベルト空間にマッピングされる。 パラメータはカーネルターゲットアライメントを最大化するために最適化される。 我々は,衛星画像データにおける雲検出の問題にアプローチし,地上およびオンボードの衛星画像解析チェーンにおける重要なステップの1つである。 ベンチマークランドサット-8のマルチスペクトルデータセットで行った実験により、svmは従来のsvmと同等の精度で衛星画像の分類に成功した。

関連論文リスト

• Superpixel Graph Contrastive Clustering with Semantic-Invariant Augmentations for Hyperspectral Images [64.72242126879503]
  ハイパースペクトル画像(HSI)クラスタリングは重要な課題だが難しい課題である。 まず3次元と2次元のハイブリッド畳み込みニューラルネットワークを用いてHSIの高次空間およびスペクトルの特徴を抽出する。 次に,超画素グラフの対比クラスタリングモデルを設計し,識別的超画素表現を学習する。
  論文  参考訳（メタデータ） (2024-03-04T07:40:55Z)
• VMamba: Visual State Space Model [92.83984290020891]
  VMambaは、線形時間複雑性で動作するビジョンバックボーンである。 VMambaのコアには2D Selective Scan (SS2D)モジュールを備えたVisual State-Space (VSS)ブロックのスタックがある。
  論文  参考訳（メタデータ） (2024-01-18T17:55:39Z)
• CLiSA: A Hierarchical Hybrid Transformer Model using Orthogonal Cross Attention for Satellite Image Cloud Segmentation [5.178465447325005]
  ディープラーニングアルゴリズムは画像セグメンテーション問題を解決するための有望なアプローチとして登場してきた。 本稿では,Lipschitz Stable Attention NetworkによるCLiSA - Cloudセグメンテーションという,効果的なクラウドマスク生成のためのディープラーニングモデルを提案する。 Landsat-8, Sentinel-2, Cartosat-2sを含む複数の衛星画像データセットの質的および定量的な結果を示す。
  論文  参考訳（メタデータ） (2023-11-29T09:31:31Z)
• Quick Adaptive Ternary Segmentation: An Efficient Decoding Procedure For Hidden Markov Models [70.26374282390401]
  ノイズの多い観測から元の信号(すなわち隠れ鎖)を復号することは、ほぼすべてのHMMに基づくデータ分析の主要な目標の1つである。 本稿では,多対数計算複雑性において隠れた列を復号化するための分法であるQuick Adaptive Ternary(QATS)を提案する。
  論文  参考訳（メタデータ） (2023-05-29T19:37:48Z)
• Detecting Clouds in Multispectral Satellite Images Using Quantum-Kernel Support Vector Machines [26.375598657313578]
  サポートベクトルマシン(SVM)は、分類タスクの配列で十分に確立されている。 従来のSVMを量子カーネルで拡張し、衛星データ解析に適用することを検討する。 Landsat-8マルチスペクトルデータセットを用いて行った実験では、シミュレーションされたハイブリッドSVMが衛星画像の分類に成功していることがわかった。
  論文  参考訳（メタデータ） (2023-02-16T12:59:55Z)
• Coarse-to-Fine Sparse Transformer for Hyperspectral Image Reconstruction [138.04956118993934]
  本稿では, サース・トゥ・ファインス・スパース・トランス (CST) を用いた新しいトランス方式を提案する。 HSI再構成のための深層学習にHSI空間を埋め込んだCST 特に,CSTは,提案したスペクトル認識スクリーニング機構(SASM)を粗いパッチ選択に使用し,選択したパッチを,細かなピクセルクラスタリングと自己相似性キャプチャのために,カスタマイズしたスペクトル集約ハッシュ型マルチヘッド自己アテンション(SAH-MSA)に入力する。
  論文  参考訳（メタデータ） (2022-03-09T16:17:47Z)
• Fast and High-Quality Image Denoising via Malleable Convolutions [72.18723834537494]
  動的畳み込みの効率的な変種として、Malleable Convolution (MalleConv)を提案する。 以前の作品とは異なり、MalleConvは入力から空間的に変化するカーネルのより小さなセットを生成する。 また、MalleNetという造語であるMalleConvを用いて、効率的なdenoisingネットワークを構築した。
  論文  参考訳（メタデータ） (2022-01-02T18:35:20Z)
• Chance constrained conic-segmentation support vector machine with uncertain data [0.0]
  サポートベクトルマシン(SVM)は、よく知られた学習アルゴリズムのクラスの一つである。 本稿では,CS-SVMのデータポイントの不確かさや誤動作について検討する。
  論文  参考訳（メタデータ） (2021-07-28T12:29:47Z)
• Practical application improvement to Quantum SVM: theory to practice [0.9449650062296824]
  量子特徴写像を用いて、データを量子状態に変換し、これらの量子状態からSVMカーネルを構築する。 実験では,データセットの複雑さに関わらず,QSVMがSVMに対して等しく動作することを示す。
  論文  参考訳（メタデータ） (2020-12-14T17:19:17Z)
• An End-to-End Graph Convolutional Kernel Support Vector Machine [0.0]
  グラフ分類のためのカーネルベースサポートベクターマシン(SVM)を提案する。 提案したモデルは、教師付きエンドツーエンドで訓練される。 実験結果から,提案モデルが既存のディープラーニングベースラインモデル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） (2020-02-29T09:57:42Z)
• On Coresets for Support Vector Machines [61.928187390362176]
  coresetは、元のデータポイントの小さな、代表的なサブセットである。 我々は,本アルゴリズムを用いて,既製のSVMソルバをストリーミング,分散,動的データ設定に適用可能であることを示す。
  論文  参考訳（メタデータ） (2020-02-15T23:25:12Z)

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。