論文の概要: Attention based Dual-Branch Complex Feature Fusion Network for
Hyperspectral Image Classification
- arxiv url: http://arxiv.org/abs/2311.01624v1
- Date: Thu, 2 Nov 2023 22:31:24 GMT
- ステータス: 処理完了
- システム内更新日: 2023-11-06 15:51:54.903806
- Title: Attention based Dual-Branch Complex Feature Fusion Network for
Hyperspectral Image Classification
- Title(参考訳): ハイパースペクトル画像分類のためのアテンションベースデュアルブランチ複合特徴核融合ネットワーク
- Authors: Mohammed Q. Alkhatib, Mina Al-Saad, Nour Aburaed, M. Sami Zitouni,
Hussain Al Ahmad
- Abstract要約: 提案モデルはパヴィア大学とサリナスのデータセットで評価される。
その結果,提案手法は,全体の精度,平均精度,Kappaにおいて,最先端の手法よりも優れていた。
- 参考スコア(独自算出の注目度): 1.3249509346606658
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: This research work presents a novel dual-branch model for hyperspectral image
classification that combines two streams: one for processing standard
hyperspectral patches using Real-Valued Neural Network (RVNN) and the other for
processing their corresponding Fourier transforms using Complex-Valued Neural
Network (CVNN). The proposed model is evaluated on the Pavia University and
Salinas datasets. Results show that the proposed model outperforms
state-of-the-art methods in terms of overall accuracy, average accuracy, and
Kappa. Through the incorporation of Fourier transforms in the second stream,
the model is able to extract frequency information, which complements the
spatial information extracted by the first stream. The combination of these two
streams improves the overall performance of the model. Furthermore, to enhance
the model performance, the Squeeze and Excitation (SE) mechanism has been
utilized. Experimental evidence show that SE block improves the models overall
accuracy by almost 1\%.
- Abstract(参考訳): 本研究では,高スペクトル画像分類のための新しい二分岐モデルを提案する。一方は実値ニューラルネットワーク(RVNN)を用いた標準ハイパースペクトルパッチ処理と,他方は複素値ニューラルネットワーク(CVNN)を用いた対応するフーリエ変換処理である。
提案モデルはパヴィア大学とサリナスのデータセットで評価される。
その結果,提案手法は全体の精度,平均精度,Kappaにおいて,最先端の手法よりも優れていた。
第2ストリームにフーリエ変換を組み込むことにより、第1ストリームによって抽出された空間情報を補完する周波数情報を抽出することができる。
これら2つのストリームを組み合わせることで、モデル全体のパフォーマンスが向上する。
さらに、モデル性能を向上させるために、Squeeze and Excitation(SE)機構が使用されている。
実験的な証拠はSEブロックがモデル全体の精度をほぼ1\%改善していることを示している。
関連論文リスト
- Self-Play Fine-Tuning of Diffusion Models for Text-to-Image Generation [59.184980778643464]
ファインチューニング拡散モデル : 生成人工知能(GenAI)の最前線
本稿では,拡散モデル(SPIN-Diffusion)のための自己演奏ファインチューニングという革新的な手法を紹介する。
提案手法は従来の教師付き微調整とRL戦略の代替として,モデル性能とアライメントの両方を大幅に改善する。
論文 参考訳(メタデータ) (2024-02-15T18:59:18Z) - Analyzing Neural Network-Based Generative Diffusion Models through
Convex Optimization [54.01594785269913]
拡散モデルは画像、ビデオ、オーディオ生成に広く使われている。
スコアベース拡散モデルでは,入力データ分布のスコア関数を推定する必要がある。
この研究は、ニューラルネットワークベースの拡散モデルが漸近的でない環境で何を学ぶかを理解するのに寄与する。
論文 参考訳(メタデータ) (2024-02-03T00:20:25Z) - SchurVINS: Schur Complement-Based Lightweight Visual Inertial Navigation
System [9.010400561787414]
フィルタに基づく新しいVINSフレームワークであるSchurVINSを提案する。
完全な残差モデルを構築し、計算複雑性を低くすることで、高い精度を保証できる。
EuRoC および TUM-VI データセットを用いた実験により,本手法は精度と計算複雑性の両方において,最先端(SOTA) 手法よりも優れていることがわかった。
論文 参考訳(メタデータ) (2023-12-04T04:14:09Z) - SENetV2: Aggregated dense layer for channelwise and global
representations [0.0]
我々は,Squeeze残余モジュール内に,多分岐密度層である新しい多層パーセプトロンを導入する。
この融合により、チャネルワイドパターンを捕捉し、グローバルな知識を持つネットワークの能力が向上する。
ベンチマークデータセットの広範な実験を行い、モデルを検証し、確立したアーキテクチャと比較する。
論文 参考訳(メタデータ) (2023-11-17T14:10:57Z) - Accurate deep learning sub-grid scale models for large eddy simulations [0.0]
大型渦流シミュレーション(LES)のために開発されたサブグリッドスケール(SGS)乱流モデルについて述べる。
彼らの開発には、物理インフォームド・ロバストで効率的なDeep Learning (DL)アルゴリズムの定式化が必要だった。
2つの摩擦レイノルズ数における正準流路流れの直接シミュレーションによるデータの明示的なフィルタリングは、訓練と試験のための正確なデータを提供した。
論文 参考訳(メタデータ) (2023-07-19T15:30:06Z) - Hierarchical Integration Diffusion Model for Realistic Image Deblurring [71.76410266003917]
拡散モデル (DM) は画像劣化に導入され, 有望な性能を示した。
本稿では,階層型統合拡散モデル(HI-Diff)を提案する。
人工的および実世界のぼかしデータセットの実験は、HI-Diffが最先端の手法より優れていることを示した。
論文 参考訳(メタデータ) (2023-05-22T12:18:20Z) - Impact of PolSAR pre-processing and balancing methods on complex-valued
neural networks segmentation tasks [9.6556424340252]
複素値ニューラルネットワーク(CVNN)を用いたポラリメトリック合成開口レーダ(PolSAR)のセマンティックセグメンテーションについて検討する。
6つのモデルアーキテクチャ,3つの複素値,それぞれの実等価モデルについて,両手法を徹底的に比較する。
本稿では、このギャップを減らし、全ての入力表現、モデル、データセット前処理の結果を実行するための2つの方法を提案する。
論文 参考訳(メタデータ) (2022-10-28T12:49:43Z) - Dynamically-Scaled Deep Canonical Correlation Analysis [77.34726150561087]
カノニカル相関解析 (CCA) は, 2つのビューの特徴抽出手法である。
本稿では,入力依存の正準相関モデルをトレーニングするための新しい動的スケーリング手法を提案する。
論文 参考訳(メタデータ) (2022-03-23T12:52:49Z) - CSformer: Bridging Convolution and Transformer for Compressive Sensing [65.22377493627687]
本稿では,CNNからの詳細な空間情報を活用するためのハイブリッドフレームワークと,表現学習の強化を目的としたトランスフォーマーが提供するグローバルコンテキストを統合することを提案する。
提案手法は、適応的なサンプリングとリカバリからなるエンドツーエンドの圧縮画像センシング手法である。
実験により, 圧縮センシングにおける専用トランスアーキテクチャの有効性が示された。
論文 参考訳(メタデータ) (2021-12-31T04:37:11Z) - Gaussian Function On Response Surface Estimation [12.35564140065216]
メタモデリング手法によるブラックボックス機械学習モデルの解釈(機能とサンプル)のための新しいフレームワークを提案する。
メタモデルは、興味のある領域のデータサンプルでコンピュータ実験を実行することによって、訓練された複雑なモデルによって生成されたデータから推定することができる。
論文 参考訳(メタデータ) (2021-01-04T04:47:00Z) - Robust Finite Mixture Regression for Heterogeneous Targets [70.19798470463378]
本稿では,サンプルクラスタの探索と,複数の不完全な混合型ターゲットを同時にモデル化するFMRモデルを提案する。
我々は、高次元の学習フレームワークの下で、無症状のオラクルのパフォーマンス境界をモデルに提供します。
その結果,我々のモデルは最先端の性能を達成できることがわかった。
論文 参考訳(メタデータ) (2020-10-12T03:27:07Z)
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。