論文の概要: Multi-view learning for automatic classification of multi-wavelength auroral images

• arxiv url: http://arxiv.org/abs/2311.02947v1
• Date: Mon, 6 Nov 2023 08:30:24 GMT
• ステータス: 処理完了
• システム内更新日: 2023-11-07 14:59:51.936211
• Title: Multi-view learning for automatic classification of multi-wavelength auroral images
• Title（参考訳）: 多波長オーロラ画像の自動分類のための多視点学習
• Authors: Qiuju Yang, Hang Su, Lili Liu, Yixuan Wang, Ze-Jun Hu
• Abstract要約: 本稿では,マルチビューアプローチに基づく軽量オーロラ多波長核融合分類ネットワーク MLCNet を提案する。 オーロラにマルチスケール空間構造が存在することを考慮し,MSRMと呼ばれる新しいマルチスケール再構成特徴モジュールを設計する。 実験により,マルチ波長情報の融合はオーロラ分類性能を効果的に向上させることが示された。
• 参考スコア（独自算出の注目度）: 16.39502835545529
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Auroral classification plays a crucial role in polar research. However, current auroral classification studies are predominantly based on images taken at a single wavelength, typically 557.7 nm. Images obtained at other wavelengths have been comparatively overlooked, and the integration of information from multiple wavelengths remains an underexplored area. This limitation results in low classification rates for complex auroral patterns. Furthermore, these studies, whether employing traditional machine learning or deep learning approaches, have not achieved a satisfactory trade-off between accuracy and speed. To address these challenges, this paper proposes a lightweight auroral multi-wavelength fusion classification network, MLCNet, based on a multi-view approach. Firstly, we develop a lightweight feature extraction backbone, called LCTNet, to improve the classification rate and cope with the increasing amount of auroral observation data. Secondly, considering the existence of multi-scale spatial structures in auroras, we design a novel multi-scale reconstructed feature module named MSRM. Finally, to highlight the discriminative information between auroral classes, we propose a lightweight attention feature enhancement module called LAFE. The proposed method is validated using observational data from the Arctic Yellow River Station during 2003-2004. Experimental results demonstrate that the fusion of multi-wavelength information effectively improves the auroral classification performance. In particular, our approach achieves state-of-the-art classification accuracy compared to previous auroral classification studies, and superior results in terms of accuracy and computational efficiency compared to existing multi-view methods.
• Abstract（参考訳）: オーロラ分類は極地研究において重要な役割を果たしている。 しかし、現在のオーロラ分類の研究は主に単一の波長(通常557.7nm)で撮影された画像に基づいている。 他の波長で得られた画像は比較的見過ごされ、複数の波長からの情報の統合は未発見領域のままである。 この制限は複雑なオーロラパターンの分類率を低くする。 さらに,これらの研究は,従来の機械学習手法や深層学習手法を用いても,精度と速度のトレードオフを十分に達成できていない。 これらの課題に対処するために,マルチビューアプローチに基づく軽量オーロラ多波長核融合分類ネットワーク MLCNet を提案する。 まず,分類速度の向上とオーロラ観測データの増加に対応するため,軽量特徴抽出バックボーン lctnet を開発した。 第二に,オーロラにマルチスケール空間構造が存在することを考えると,MSRMと呼ばれる新しいマルチスケール特徴モジュールを設計する。 最後に,オーロラクラス間の識別情報を強調するために,LAFEと呼ばれる軽量注目機能拡張モジュールを提案する。 提案手法は2003-2004年に北極黄川ステーションの観測データを用いて検証された。 実験の結果,多波長情報の融合はオーロラ分類性能を効果的に向上することがわかった。 特に,これまでのオーロラ分類研究に比べて最先端の分類精度が得られ,従来のマルチビュー法に比べて精度と計算効率が優れている。

関連論文リスト

• Multimodal Flare Forecasting with Deep Learning [0.2968738145616401]
  色圏およびコロナUVおよびEUV放射の異なる波長での予測能力を比較するために、深層学習を採用している。 以上の結果から,EUVの波長は,視線磁図と同等以上の識別力が得られることが示唆された。
  論文  参考訳（メタデータ） (2024-10-21T15:42:47Z)
• Toward Multi-class Anomaly Detection: Exploring Class-aware Unified Model against Inter-class Interference [67.36605226797887]
  統一型異常検出(MINT-AD)のためのマルチクラスインプリシトニューラル表現変換器を提案する。 マルチクラス分布を学習することにより、モデルが変換器デコーダのクラス対応クエリ埋め込みを生成する。 MINT-ADは、カテゴリと位置情報を特徴埋め込み空間に投影することができ、さらに分類と事前確率損失関数によって監督される。
  論文  参考訳（メタデータ） (2024-03-21T08:08:31Z)
• AMANet: Advancing SAR Ship Detection with Adaptive Multi-Hierarchical Attention Network [0.5437298646956507]
  適応型多階層型アテンションモジュール (AMAM) を提案する。 まず,隣り合う特徴層からの情報を融合して,より小さなターゲットの検出を強化し,マルチスケールな特徴強調を実現する。 第3に,AMAMをバックボーンネットワークと特徴ピラミッドネットワークに埋め込むことにより,適応型多階層アテンションネットワーク(AMANet)を提案する。
  論文  参考訳（メタデータ） (2024-01-24T03:56:33Z)
• ECC-PolypDet: Enhanced CenterNet with Contrastive Learning for Automatic Polyp Detection [88.4359020192429]
  既存の手法では、計算コストのかかるコンテキストアグリゲーションが伴うか、ポリープの事前モデリングが欠如しているため、難解なケースでは性能が低下する。 本稿では,2段階のトレーニングとエンドツーエンド推論フレームワークである Enhanced CenterNet with Contrastive Learning (ECC-PolypDet) を提案する。 Box-assisted Contrastive Learning (BCL) は, クラス内差を最小限に抑え, 前庭ポリープと背景のクラス間差を最大化するため, 隠れポリープを捕捉する。 微調整段階におけるIoU誘導サンプル再重み付けの導入
  論文  参考訳（メタデータ） (2024-01-10T07:03:41Z)
• DiffSpectralNet : Unveiling the Potential of Diffusion Models for Hyperspectral Image Classification [6.521187080027966]
  我々は拡散と変圧器技術を組み合わせたDiffSpectralNetと呼ばれる新しいネットワークを提案する。 まず,拡散モデルに基づく教師なし学習フレームワークを用いて,高レベル・低レベルのスペクトル空間的特徴を抽出する。 この拡散法はスペクトル空間の特徴を多様かつ有意義に抽出し,HSI分類の改善につながる。
  論文  参考訳（メタデータ） (2023-10-29T15:26:37Z)
• Convolutional autoencoder-based multimodal one-class classification [80.52334952912808]
  1クラス分類は、単一のクラスからのデータを用いた学習のアプローチを指す。 マルチモーダルデータに適した深層学習一クラス分類法を提案する。
  論文  参考訳（メタデータ） (2023-09-25T12:31:18Z)
• Supernova Light Curves Approximation based on Neural Network Models [53.180678723280145]
  光度データによる超新星の分類は、天文学におけるビッグデータのリアルタイム処理の出現によって課題となる。 近年の研究では、様々な機械学習モデルに基づく解の優れた品質が実証されている。 我々は,多層パーセプトロン(MLP),ベイジアンニューラルネットワーク(BNN),正規化フロー(NF)の単一光曲線観測への応用について検討した。
  論文  参考訳（メタデータ） (2022-06-27T13:46:51Z)
• Identification of complex mixtures for Raman spectroscopy using a novel scheme based on a new multi-label deep neural network [0.0]
  本稿では,定数ウェーブレット変換(CWT)と複雑な混合物を分類するためのディープネットワークに基づく新しいスキームを提案する。 次に、多ラベルディープニューラルネットワークモデル(MDNN)を材料分類に適用する。 本モデルから得られた平均検出時間は5.31秒であり,従来提案したモデルよりもはるかに高速である。
  論文  参考訳（メタデータ） (2020-10-29T14:58:39Z)
• Attention Model Enhanced Network for Classification of Breast Cancer Image [54.83246945407568]
  AMENはマルチブランチ方式で、画素ワイドアテンションモデルとサブモジュールの分類で定式化される。 微妙な詳細情報に焦点を合わせるため、サンプル画像は、前枝から生成された画素対応の注目マップによって強化される。 3つのベンチマークデータセットで行った実験は、様々なシナリオにおいて提案手法の優位性を実証している。
  論文  参考訳（メタデータ） (2020-10-07T08:44:21Z)
• A Novel Spatial-Spectral Framework for the Classification of Hyperspectral Satellite Imagery [1.066048003460524]
  本研究では,土地被覆分類データに含まれるスペクトル情報と空間情報の両方を考慮に入れた新しい枠組みを提案する。 提案手法は,パヴィア大学とインド・パインズのデータセットでそれぞれ99.52%,98.31%の精度を達成し,従来の手法よりも優れている。
  論文  参考訳（メタデータ） (2020-07-22T16:12:08Z)
• Hyperspectral-Multispectral Image Fusion with Weighted LASSO [68.04032419397677]
  本稿では,高スペクトル像と多スペクトル像を融合させて高画質な高スペクトル出力を実現する手法を提案する。 提案したスパース融合と再構成は,既存の公開画像の手法と比較して,定量的に優れた結果が得られることを示す。
  論文  参考訳（メタデータ） (2020-03-15T23:07:56Z)

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。