論文の概要: Implementing Hottopixx Methods for Endmember Extraction in Hyperspectral Images

• arxiv url: http://arxiv.org/abs/2404.13098v1
• Date: Fri, 19 Apr 2024 07:28:51 GMT
• ステータス: 処理完了
• システム内更新日: 2024-04-23 20:28:09.488956
• Title: Implementing Hottopixx Methods for Endmember Extraction in Hyperspectral Images
• Title（参考訳）: ハイパースペクトル画像における終端抽出のためのホットトピクス法の実装
• Authors: Tomohiko Mizutani,
• Abstract要約: ハイパースペクトルイメージング技術は、森林管理、鉱物資源探査、地球表面モニタリングなど幅広い用途がある。 観察されたシーンの主要な構成要素である材料のスペクトルシグネチャを特定することを目的としている。 ホットトピクス法は、ハイパースペクトル画像からエンドメンバーを抽出する問題に有効である。 しかし、これらの手法は計算コストが高いため、実際に実行することは困難である。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Hyperspectral imaging technology has a wide range of applications, including forest management, mineral resource exploration, and Earth surface monitoring. Endmember extraction of hyperspectral images is a key step in leveraging this technology for applications. It aims to identifying the spectral signatures of materials, i.e., the major components in the observed scenes. Theoretically speaking, Hottopixx methods should be effective on problems involving extracting endmembers from hyperspectral images. Yet, these methods are challenging to perform in practice, due to high computational costs. They require us to solve LP problems, called Hottopixx models, whose size grows quadratically with the number of pixels in the image. It is thus still unclear as to whether they are actually effective or not. This study clarifies this situation. We propose an efficient and effective implementation of Hottopixx. Our implementation follows the framework of column generation, which is known as a classical but powerful means of solving large-scale LPs. We show in experiments that our implementation is applicable to the endmember extraction from real hyperspectral images and can provide estimations of endmember signatures with higher accuracy than the existing methods can.
• Abstract（参考訳）: ハイパースペクトルイメージング技術は、森林管理、鉱物資源探査、地球表面モニタリングなど幅広い用途がある。 ハイパースペクトル画像の終端抽出は、この技術を応用するための重要なステップである。 観察されたシーンの主要な構成要素である材料のスペクトルシグネチャを特定することを目的としている。 理論的には、Hottopixx法は、ハイパースペクトル画像からエンドメンバーを抽出する問題に有効である。 しかし、これらの手法は計算コストが高いため、実際に実行することは困難である。 画像中のピクセル数とともに大きさが2倍に大きくなるHottopixxモデルと呼ばれるLP問題を解く必要がある。 したがって、実際に効果があるかどうかはまだ不明である。 この研究はこの状況を明確にしている。 本稿では,Hottopixxの効率的な実装を提案する。 我々の実装は列生成の枠組みに従っており、これは大規模LPを解く古典的だが強力な方法として知られている。 実験では,本実装が実ハイパースペクトル画像からのエンドメンバー抽出に適用可能であることを示すとともに,既存の手法よりも高精度にエンドメンバーシグネチャを推定できることを示す。

関連論文リスト

• Lightweight Deepfake Detection Based on Multi-Feature Fusion [4.300416351970122]
  Deepfakeの技術は、ディープラーニングベースの顔操作技術を利用して、非常にリアルだが人工的に生成されたコンテンツを作るビデオの顔にシームレスに置き換える。 本研究では,限られた計算資源を持つデバイスに適したディープフェイク画像と映像を効率よく,かつ軽量に検出する手法を提案する。 HOG LBPとKAZEの併用により,FaceForensics++では92%,Celeb-DFv2では96%の精度が向上した。
  論文  参考訳（メタデータ） (2025-02-17T12:55:41Z)
• Advancements in Feature Extraction Recognition of Medical Imaging Systems Through Deep Learning Technique [0.36651088217486427]
  高速な画像認識を実現するために,重みに基づく目的関数を提案する。 単純なアルゴリズムを用いたしきい値最適化手法を提案する。 異なる種類のオブジェクトは互いに独立しており、画像処理においてコンパクトであることがわかった。
  論文  参考訳（メタデータ） (2024-05-23T04:46:51Z)
• EPNet: An Efficient Pyramid Network for Enhanced Single-Image Super-Resolution with Reduced Computational Requirements [12.439807086123983]
  シングルイメージ超解像(SISR)は、ディープラーニングの統合によって大幅に進歩した。 本稿では,エッジ分割ピラミッドモジュール (ESPM) とパノラマ特徴抽出モジュール (PFEM) を調和して結合し,既存の手法の限界を克服する,EPNet (Efficient Pyramid Network) を提案する。
  論文  参考訳（メタデータ） (2023-12-20T19:56:53Z)
• Pixel-Inconsistency Modeling for Image Manipulation Localization [59.968362815126326]
  デジタル画像法医学は、画像認証と操作のローカライゼーションにおいて重要な役割を果たす。 本稿では,画素不整合アーチファクトの解析を通じて,一般化されたロバストな操作ローカライゼーションモデルを提案する。 実験により,本手法は固有の画素不整合偽指紋を抽出することに成功した。
  論文  参考訳（メタデータ） (2023-09-30T02:54:51Z)
• A Novel Algorithm for Exact Concave Hull Extraction [0.0]
  領域抽出は、自律運転における物体検出から細胞生物学における細胞内形態解析まで、幅広い用途で必要とされる。 2つの主要なアプローチがある: 凸殻抽出(convex hull extract)は、正確で効率的なアルゴリズムが存在し、実世界の形状を捉えるのに優れているが、単一の解を持たない。 本研究では,コンケーブ内包を最大分解能(ピクセル完全)で提供し,速度効率のトレードオフを調整可能な新しいアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2022-06-23T05:26:48Z)
• Pixel Distillation: A New Knowledge Distillation Scheme for Low-Resolution Image Recognition [124.80263629921498]
  アーキテクチャ制約を同時に破りながら知識蒸留を入力レベルまで拡張するPixel Distillationを提案する。 このようなスキームは、ネットワークアーキテクチャと画像品質の両方をリソースの全体的な要求に応じて調整できるため、展開のための柔軟なコスト制御を実現することができる。
  論文  参考訳（メタデータ） (2021-12-17T14:31:40Z)
• A parameter refinement method for Ptychography based on Deep Learning concepts [55.41644538483948]
  伝播距離、位置誤差、部分的コヒーレンスにおける粗いパラメトリゼーションは、しばしば実験の生存性を脅かす。 最新のDeep Learningフレームワークは、セットアップの不整合を自律的に補正するために使用され、ポチコグラフィーの再構築の質が向上する。 我々は,elettra シンクロトロン施設のツインミックビームラインで取得した合成データセットと実データの両方でシステムをテストした。
  論文  参考訳（メタデータ） (2021-05-18T10:15:17Z)
• 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)
• High-Resolution Image Inpainting with Iterative Confidence Feedback and Guided Upsampling [122.06593036862611]
  既存の画像塗装法は、実アプリケーションで大きな穴を扱う際に、しばしばアーティファクトを生成する。 本稿では,フィードバック機構を備えた反復インペイント手法を提案する。 実験により,本手法は定量評価と定性評価の両方において既存手法よりも有意に優れていた。
  論文  参考訳（メタデータ） (2020-05-24T13:23:45Z)
• A DICOM Framework for Machine Learning Pipelines against Real-Time Radiology Images [50.222197963803644]
  Nifflerは、研究クラスタでの機械学習パイプラインの実行を可能にする統合フレームワークである。 ニフラーはDigital Imaging and Communications in Medicine (DICOM)プロトコルを使用して画像データの取得と保存を行っている。 我々は,そのアーキテクチャと3つのユースケースを提示する: リアルタイムに画像から下大静脈フィルターを検出すること,スキャナ利用の同定,およびスキャナクロックの校正。
  論文  参考訳（メタデータ） (2020-04-16T21:06:49Z)

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。