論文の概要: Detection and Identification Accuracy of PCA-Accelerated Real-Time
Processing of Hyperspectral Imagery
- arxiv url: http://arxiv.org/abs/2311.13779v1
- Date: Thu, 23 Nov 2023 02:36:29 GMT
- ステータス: 処理完了
- システム内更新日: 2023-11-28 00:45:42.851326
- Title: Detection and Identification Accuracy of PCA-Accelerated Real-Time
Processing of Hyperspectral Imagery
- Title（参考訳）: ハイパースペクトル画像のPCA高速化リアルタイム処理の検出と同定精度
- Authors: Abigail Basener and Meagan Herald
- Abstract要約: 検出率に顕著な変化が現れる前に、主成分の数を相当減らすことができる。
ACEを用いて検出し, 確率, スペクトルを同定し, 主成分数を大幅に削減し, 検出率に顕著な変化がみられた。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Real-time or near real-time hyperspectral detection and identification are
extremely useful and needed in many fields. These data sets can be quite large,
and the algorithms can require numerous computations that slow the process
down. A common way of speeding up the process is to use principal component
analysis (PCA) for dimension reduction. In the reduced dimensional space,
provided by a subset of the principal components, fewer computations are needed
to process the data resulting in a faster run time. In this paper, we propose a
way to further decrease the time required to use PCA by investigating how many
principal components may be omitted with minimal impact on the detection rate.
Using ACE to perform the detection, and then probability, and spectral fit for
identification, we find that the number of principal components can be reduced
by a substantial amount before seeing a noticeable change in detection rates.
- Abstract（参考訳）: リアルタイムまたはほぼリアルタイムのハイパースペクトル検出と同定は、多くの分野で非常に有用であり、必要である。
これらのデータセットは非常に大きく、アルゴリズムは処理を遅くする多数の計算を必要とする可能性がある。
プロセスの高速化の一般的な方法は、次元の縮小に主成分分析(PCA)を使用することである。
主成分のサブセットによって提供される縮小次元空間では、データの処理に必要な計算量が少なくなり、実行時間が短縮される。
本稿では,PCAの使用時間を削減するために,検出率に最小限の影響を伴って,主成分の省略数を調べることで,PCAの使用時間を短縮する手法を提案する。
aceを用いて検出を行い、次に確率とスペクトルを同定し、検出率の顕著な変化を見る前に、主成分の数をかなりの量削減できることを示す。
関連論文リスト
- A Robust and Explainable Data-Driven Anomaly Detection Approach For
Power Electronics [56.86150790999639]
本稿では,2つの異常検出・分類手法,すなわち行列プロファイルアルゴリズムと異常変換器を提案する。
行列プロファイルアルゴリズムは、ストリーミング時系列データにおけるリアルタイム異常を検出するための一般化可能なアプローチとして適している。
検知器の感度、リコール、検出精度を調整するために、一連のカスタムフィルタが作成され、追加される。
論文 参考訳（メタデータ） (2022-09-23T06:09:35Z) - Principal Component Analysis based frameworks for efficient missing data
imputation algorithms [3.635056427544418]
そこで本研究では,PCAI(Principal Component Analysis Imputation)を提案する。
次に,PCAI の分類問題への応用である PCA Imputation - Classification (PIC) を紹介する。
そこで我々は,PCAI と PIC が様々な計算アルゴリズムで動作可能であることを示す。
論文 参考訳（メタデータ） (2022-05-30T14:47:27Z) - SALISA: Saliency-based Input Sampling for Efficient Video Object
Detection [58.22508131162269]
ビデオオブジェクト検出のための新しい一様SALiencyベースの入力SAmpling技術であるSALISAを提案する。
SALISAは小物体の検出を著しく改善することを示す。
論文 参考訳（メタデータ） (2022-04-05T17:59:51Z) - DeepTimeAnomalyViz: A Tool for Visualizing and Post-processing Deep
Learning Anomaly Detection Results for Industrial Time-Series [88.12892448747291]
DeTAVIZ インタフェースは Web ブラウザをベースとした可視化ツールで,特定の問題における DL ベースの異常検出の実現可能性の迅速な探索と評価を行う。
DeTAVIZを使えば、ユーザーは複数のポスト処理オプションを簡単かつ迅速に繰り返し、異なるモデルを比較することができ、選択したメトリックに対して手動で最適化できる。
論文 参考訳（メタデータ） (2021-09-21T10:38:26Z) - ELSED: Enhanced Line SEgment Drawing [2.470815298095903]
ELSEDは文献で最も高速な線分検出器である。
提案したアルゴリズムは、非常にローエンドなハードウェアを持つデバイスで動作するだけでなく、短いセグメントや長いセグメントの検出を促進するためにパラメータ化することもできる。
論文 参考訳（メタデータ） (2021-08-06T14:33:57Z) - You Better Look Twice: a new perspective for designing accurate
detectors with reduced computations [56.34005280792013]
BLT-netは、新しい低計算の2段階オブジェクト検出アーキテクチャである。
非常にエレガントな第1ステージを使用して、オブジェクトをバックグラウンドから分離することで、計算を削減します。
結果のイメージ提案は、高度に正確なモデルによって第2段階で処理される。
論文 参考訳（メタデータ） (2021-07-21T12:39:51Z) - Optimal Sequential Detection of Signals with Unknown Appearance and
Disappearance Points in Time [64.26593350748401]
本論文は、変化の期間が有限で未知であると仮定して、逐次的な変化点検出問題に対処する。
我々は、所定の時間(または空間)ウィンドウにおける最小検出確率を最大化する信頼性の高い最大変更検出基準に焦点を当てる。
FMAアルゴリズムは、光学画像中の衛星のかすかなストリークを検出するために応用される。
論文 参考訳（メタデータ） (2021-02-02T04:58:57Z) - Searching for Efficient Architecture for Instrument Segmentation in
Robotic Surgery [58.63306322525082]
ほとんどのアプリケーションは、高解像度の外科画像の正確なリアルタイムセグメンテーションに依存している。
我々は,高解像度画像のリアルタイム推論を行うために調整された,軽量で高効率なディープ残差アーキテクチャを設計する。
論文 参考訳（メタデータ） (2020-07-08T21:38:29Z) - Selective Convolutional Network: An Efficient Object Detector with
Ignoring Background [28.591619763438054]
Selective Convolutional Network (SCN) と呼ばれる効率的なオブジェクト検出器を導入し、意味のある情報を含む場所のみを選択的に計算する。
そこで本稿では,ネットワークの次を導くためのオーバーヘッドを無視できるような,精巧な構造を設計する。
論文 参考訳（メタデータ） (2020-02-04T10:07:01Z) - Development of Use-specific High Performance Cyber-Nanomaterial Optical
Detectors by Effective Choice of Machine Learning Algorithms [14.569246848322983]
サイバーナノマテリアル検出器におけるMLアルゴリズムの最適選択は、主に特定の用途を考慮して決定される。
検出性能の長期ドリフトを1年間にわたって追跡・モデル化することにより,再校正を必要とせずに予測精度を向上させることができることを示す。
論文 参考訳（メタデータ） (2019-12-26T02:44:55Z)
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。