論文の概要: Semi-supervised segmentation of land cover images using nonlinear
canonical correlation analysis with multiple features and t-SNE
- arxiv url: http://arxiv.org/abs/2401.12164v1
- Date: Mon, 22 Jan 2024 17:56:07 GMT
- ステータス: 処理完了
- システム内更新日: 2024-01-23 13:00:09.459370
- Title: Semi-supervised segmentation of land cover images using nonlinear
canonical correlation analysis with multiple features and t-SNE
- Title（参考訳）: 非線形正準相関解析とt-SNEを用いた土地被覆画像の半教師付き分割
- Authors: Hong Wei, James Xiao, Yichao Zhang and Xia Hong
- Abstract要約: イメージセグメンテーションはクラスタリングタスクであり、各ピクセルにクラスタラベルが割り当てられる。
本研究では,少数のピクセルのみをラベル付けすることで,半教師付きセグメンテーション手法を提案する。
提案した半教師付きRBF-CCAアルゴリズムは、リモートセンシングされた複数のマルチスペクトル画像に実装されている。
- 参考スコア（独自算出の注目度）: 1.7000283696243563
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Image segmentation is a clustering task whereby each pixel is assigned a
cluster label. Remote sensing data usually consists of multiple bands of
spectral images in which there exist semantically meaningful land cover
subregions, co-registered with other source data such as LIDAR (LIght Detection
And Ranging) data, where available. This suggests that, in order to account for
spatial correlation between pixels, a feature vector associated with each pixel
may be a vectorized tensor representing the multiple bands and a local patch as
appropriate. Similarly, multiple types of texture features based on a pixel's
local patch would also be beneficial for encoding locally statistical
information and spatial variations, without necessarily labelling pixel-wise a
large amount of ground truth, then training a supervised model, which is
sometimes impractical. In this work, by resorting to label only a small
quantity of pixels, a new semi-supervised segmentation approach is proposed.
Initially, over all pixels, an image data matrix is created in high dimensional
feature space. Then, t-SNE projects the high dimensional data onto 3D
embedding. By using radial basis functions as input features, which use the
labelled data samples as centres, to pair with the output class labels, a
modified canonical correlation analysis algorithm, referred to as RBF-CCA, is
introduced which learns the associated projection matrix via the small labelled
data set. The associated canonical variables, obtained for the full image, are
applied by k-means clustering algorithm. The proposed semi-supervised RBF-CCA
algorithm has been implemented on several remotely sensed multispectral images,
demonstrating excellent segmentation results.
- Abstract（参考訳）: イメージセグメンテーションはクラスタリングタスクであり、各ピクセルにクラスタラベルが割り当てられる。
リモートセンシングデータは通常、意味論的に意味のある土地被覆部分領域が存在する複数のスペクトル画像で構成され、LIDAR(LIght Detection and Ranging)データなどの他のソースデータと共存して登録される。
これは、ピクセル間の空間的相関を考慮するために、各ピクセルに関連付けられた特徴ベクトルは、複数のバンドを表すベクトル化テンソルと、適切な局所パッチであることを示唆している。
同様に、ピクセルの局所パッチに基づく複数のテクスチャ特徴は、局所的な統計情報や空間的変動を符号化するのにも有用であり、必ずしも大量の基底真理をピクセルごとにラベル付けすることなく、教師付きモデルを訓練する。
本研究では,少数のピクセルのみをラベル付けすることで,半教師付きセグメンテーション手法を提案する。
当初、すべてのピクセルにわたって、画像データ行列は高次元の特徴空間で生成される。
そして、t-SNEは高次元データを3D埋め込みに投影する。
ラベル付きデータサンプルをセンタとして使用する入力特徴としてラジアル基底関数を用い、出力クラスラベルと組み合わせることで、RBF-CCAと呼ばれる修正正準相関解析アルゴリズムを導入し、小さなラベル付きデータセットを介して関連する投影行列を学習する。
全画像に対して得られた関連する標準変数は、k平均クラスタリングアルゴリズムによって適用される。
提案する半教師付きrbf-ccaアルゴリズムは,複数のリモートセンシングマルチスペクトル画像に実装され,良好なセグメンテーション結果が得られた。
関連論文リスト
- A consensus-constrained parsimonious Gaussian mixture model for
clustering hyperspectral images [0.0]
食品エンジニアは、ハイパースペクトル画像を使用して、食品サンプルのタイプと品質を分類する。
これらの手法を訓練するには、各トレーニング画像の各ピクセルにラベルを付ける必要がある。
ハイパースペクトル画像に画素をラベル付けするために, コンセンサス制約付き擬似ガウス混合モデル (ccPGMM) を提案する。
論文 参考訳（メタデータ） (2024-03-05T22:23:43Z) - OsmLocator: locating overlapping scatter marks with a non-training
generative perspective [48.50108853199417]
重複するマークの配置には、テクスチャの欠如、文脈の少ない情報、ハロー形状、小さなサイズなど、多くの困難がある。
ここでは、クラスタリングに基づく再視覚化の最適化問題として、非学習的生成の観点から定式化する。
特に,異なるマーカーと様々な重なり合いの重なり合いを持つ何百もの散乱画像を含む2023というデータセットを構築し,提案手法を既存の手法と比較した。
論文 参考訳（メタデータ） (2023-12-18T12:39:48Z) - CorrMatch: Label Propagation via Correlation Matching for
Semi-Supervised Semantic Segmentation [73.89509052503222]
本稿では、CorrMatchと呼ばれる、単純だが実行可能な半教師付きセマンティックセマンティックセマンティックセマンティクス手法を提案する。
相関写像は、同一カテゴリのクラスタリングピクセルを容易に実現できるだけでなく、良好な形状情報も含んでいることを観察する。
我々は,高信頼画素を拡大し,さらに掘り出すために,画素の対の類似性をモデル化して画素伝搬を行う。
そして、相関地図から抽出した正確なクラス非依存マスクを用いて、領域伝搬を行い、擬似ラベルを強化する。
論文 参考訳（メタデータ） (2023-06-07T10:02:29Z) - Probabilistic Deep Metric Learning for Hyperspectral Image
Classification [91.5747859691553]
本稿では,ハイパースペクトル画像分類のための確率論的深度学習フレームワークを提案する。
ハイパースペクトルセンサーが捉えた画像に対して、各ピクセルのカテゴリを予測することを目的としている。
我々のフレームワークは、既存のハイパースペクトル画像分類法に容易に適用できる。
論文 参考訳（メタデータ） (2022-11-15T17:57:12Z) - Unsupervised Spatial-spectral Hyperspectral Image Reconstruction and
Clustering with Diffusion Geometry [6.279792995020646]
本研究では,高度に混合したハイパースペクトル画像の分割のための空間スペクトル画像再構成と拡散幾何を用いたクラスタリング(DSIRC)アルゴリズムを提案する。
DSIRCは、データ適応空間近傍にスペクトル相関画素を配置し、その画素のスペクトルシグネチャを近隣のピクセルを用いて再構成する。
その結果,画像再構成による空間情報の取り込みにより,画素単位のクラスタリングの性能が大幅に向上することが示唆された。
論文 参考訳（メタデータ） (2022-04-28T13:42:12Z) - Class Balanced PixelNet for Neurological Image Segmentation [20.56747443955369]
画素レベルの畳み込みニューラルネットワーク(CNN)を用いた自動脳腫瘍分割法(PixelNetなど)を提案する。
提案モデルは脳腫瘍と虚血性脳梗塞のセグメンテーションデータセットにおいて有望な結果を得た。
論文 参考訳（メタデータ） (2022-04-23T10:57:54Z) - Two-Stream Graph Convolutional Network for Intra-oral Scanner Image
Segmentation [133.02190910009384]
本稿では,2ストリームグラフ畳み込みネットワーク(TSGCN)を提案する。
TSGCNは3次元歯(表面)セグメンテーションにおいて最先端の方法よりも優れています。
論文 参考訳（メタデータ） (2022-04-19T10:41:09Z) - Superpixel Segmentation Based on Spatially Constrained Subspace
Clustering [57.76302397774641]
独立意味情報を持つ各代表領域を部分空間とみなし,部分空間クラスタリング問題としてスーパーピクセルセグメンテーションを定式化する。
従来のサブスペースクラスタリングとスーパーピクセルセグメンテーションの簡単な統合は,画素の空間相関のために効果的に機能しないことを示す。
本稿では,空間隣接画素に類似の属性を付加してスーパーピクセルにクラスタリング可能な,凸局所性制約付きサブスペースクラスタリングモデルを提案する。
論文 参考訳（メタデータ） (2020-12-11T06:18:36Z) - Instance-Aware Graph Convolutional Network for Multi-Label
Classification [55.131166957803345]
グラフ畳み込みニューラルネットワーク(GCN)は、マルチラベル画像認識タスクを効果的に強化した。
マルチラベル分類のための事例対応グラフ畳み込みニューラルネットワーク(IA-GCN)フレームワークを提案する。
論文 参考訳（メタデータ） (2020-08-19T12:49:28Z) - Optimized Feature Space Learning for Generating Efficient Binary Codes
for Image Retrieval [9.470008343329892]
本稿では,最小クラス内分散と最大クラス間分散を用いた低次元最適化特徴空間の学習手法を提案する。
生成した特徴ベクトルを、人気の反復量子化(ITQ)アプローチでバイナライズし、画像検索のために所望のビット長のバイナリコードを生成するアンサンブルネットワークを提案する。
論文 参考訳（メタデータ） (2020-01-30T15:30:31Z)
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。