Fugu-MT 論文翻訳(概要): Leveraging band diversity for feature selection in EO data

論文の概要: Leveraging band diversity for feature selection in EO data

arxiv url: http://arxiv.org/abs/2502.04713v1
Date: Fri, 07 Feb 2025 07:30:29 GMT
ステータス: 翻訳完了
システム内更新日: 2025-02-10 14:55:50.421783
Title: Leveraging band diversity for feature selection in EO data
Title（参考訳）: EOデータにおける特徴選択のための帯域多様性の活用
Authors: Sadia Hussain, Brejesh Lall,
Abstract要約: 相関帯域における決定点過程を用いて,多様な帯域を選択する手法を提案する。この分析を任意の機械学習モデルに入力することで、詳細な分析と監視を高精度かつ正確に行うことができる。
参考スコア（独自算出の注目度）: 6.508088032296086
License:
Abstract: Hyperspectral imaging (HSI) is a powerful earth observation technology that captures and processes information across a wide spectrum of wavelengths. Hyperspectral imaging provides comprehensive and detailed spectral data that is invaluable for a wide range of reconstruction problems. However due to complexity in analysis it often becomes difficult to handle this data. To address the challenge of handling large number of bands in reconstructing high quality HSI, we propose to form groups of bands. In this position paper we propose a method of selecting diverse bands using determinantal point processes in correlated bands. To address the issue of overlapping bands that may arise from grouping, we use spectral angle mapper analysis. This analysis can be fed to any Machine learning model to enable detailed analysis and monitoring with high precision and accuracy.
Abstract（参考訳）: ハイパースペクトルイメージング(英: Hyperspectral Imaging、HSI)は、幅広い波長の情報を捉え、処理する強力な地球観測技術である。ハイパースペクトルイメージングは、広範囲の再構成問題に有用な包括的で詳細なスペクトルデータを提供する。しかし、分析の複雑さのため、このデータを扱うのが難しくなることが多い。高品質なHSIを再構築する上で,多数のバンドを扱うという課題に対処するため,バンド群を形成することを提案する。本稿では, 相関帯域における決定点プロセスを用いて, 多様な帯域を選択する手法を提案する。グループ化によって生じる重なり合うバンドの問題に対処するために、スペクトル角マッパー解析を用いる。この分析を任意の機械学習モデルに入力することで、詳細な分析と監視を高精度かつ正確に行うことができる。

関連論文リスト

Unsupervised Band Selection Using Fused HSI and LiDAR Attention Integrating With Autoencoder [16.742768644585684]
ハイパースペクトルイメージング(HSI)における帯域選択は,データ処理の最適化と解析精度の向上に重要である。従来のアプローチは、個々のバンド内のスペクトル特性と画素特性を独立して分析することに集中してきた。本稿では、アテンション機構と、再構成に基づくバンド選択のためのオートエンコーダを組み込んだ、新しい教師なしバンド選択フレームワークを提案する。
論文参考訳（メタデータ） (2024-04-08T07:47:28Z)
Datacube segmentation via Deep Spectral Clustering [76.48544221010424]
拡張ビジョン技術は、しばしばその解釈に挑戦する。データ立方体スペクトルの巨大な次元性は、その統計的解釈において複雑なタスクを生じさせる。本稿では,符号化空間における教師なしクラスタリング手法の適用の可能性について検討する。統計的次元削減はアドホック訓練(可変)オートエンコーダで行い、クラスタリング処理は(学習可能な)反復K-Meansクラスタリングアルゴリズムで行う。
論文参考訳（メタデータ） (2024-01-31T09:31:28Z)
Object Detection in Hyperspectral Image via Unified Spectral-Spatial Feature Aggregation [55.9217962930169]
S2ADetは、高スペクトル画像に固有の豊富なスペクトル情報と空間補完情報を利用する物体検出器である。 S2ADetは既存の最先端メソッドを超え、堅牢で信頼性の高い結果を達成する。
論文参考訳（メタデータ） (2023-06-14T09:01:50Z)
Hyperspectral Images Classification and Dimensionality Reduction using spectral interaction and SVM classifier [0.0]
ハイパースペクトル画像(HSI)の高次元性は、収集したデータを分析する上で大きな課題の1つである。ノイズ、冗長、無関係なバンドの存在は、計算複雑性を増大させる。本稿では,スペクトル相互作用尺度に基づく新しいフィルタ手法と,次元減少のための支持ベクトルマシンを提案する。
論文参考訳（メタデータ） (2022-10-27T15:37:57Z)
Hyperspectral Image Segmentation based on Graph Processing over Multilayer Networks [51.15952040322895]
ハイパースペクトル画像(HSI)処理の1つの重要な課題は、スペクトル空間的特徴の抽出である。 M-GSP特徴抽出に基づくHSIセグメンテーションへのいくつかのアプローチを提案する。 HSI処理とスペクトル空間情報抽出におけるM-GSPの強度を実験的に検証した。
論文参考訳（メタデータ） (2021-11-29T23:28:18Z)
Spectral Splitting and Aggregation Network for Hyperspectral Face Super-Resolution [82.59267937569213]
高分解能(HR)ハイパースペクトル顔画像は、制御されていない条件下での顔関連コンピュータビジョンタスクにおいて重要な役割を果たす。本稿では,ハイパースペクトル顔画像への深層学習手法の適用方法について検討する。限られたトレーニングサンプルを用いたHFSRのためのスペクトル分割集約ネットワーク(SSANet)を提案する。
論文参考訳（メタデータ） (2021-08-31T02:13:00Z)
Hyperspectral Band Selection for Multispectral Image Classification with Convolutional Networks [0.0]
ハイパースペクトル画像から波長の減少したセットを選択するための新しいバンド選択法を提案する。本手法により,マルチスペクトルセンサの設計に適した結果が得られることを示す。
論文参考訳（メタデータ） (2021-06-01T17:24:35Z)
There and Back Again: Self-supervised Multispectral Correspondence Estimation [13.56924750612194]
自己監督が可能な新しいサイクル一貫性指標を紹介します。これにより、スペクトルに依存しない損失関数と組み合わせることで、同じネットワークを複数のスペクトルにわたってトレーニングできます。本研究では,高密度RGB-FIR対応推定の課題に対するアプローチを示す。
論文参考訳（メタデータ） (2021-03-19T12:33:56Z)
Spectral Analysis Network for Deep Representation Learning and Image Clustering [53.415803942270685]
本稿ではスペクトル分析に基づく教師なし深層表現学習のための新しいネットワーク構造を提案する。パッチレベルで画像間の局所的な類似性を識別できるため、閉塞に対してより堅牢である。クラスタリングに親しみやすい表現を学習し、データサンプル間の深い相関を明らかにすることができる。
論文参考訳（メタデータ） (2020-09-11T05:07:15Z)
Multispectral Biometrics System Framework: Application to Presentation Attack Detection [10.246136918682057]
能動光源と同期する一連のセンサからマルチスペクトルデータをキャプチャするバイオメトリックスシステムを構築するためのフレームワークを提案する。提示された設計は、可視光から長波長の赤外線まで、このような多様な電磁スペクトルバンドを使用した最初のものである。
論文参考訳（メタデータ） (2020-06-12T22:09:35Z)
Learning Spatial-Spectral Prior for Super-Resolution of Hyperspectral Imagery [79.69449412334188]
本稿では,最先端の残差学習をベースとした単一グレー/RGB画像の超解像化手法について検討する。本稿では,空間情報とハイパースペクトルデータのスペクトル間の相関をフル活用するための空間スペクトル先行ネットワーク(SSPN)を提案する。実験結果から,SSPSR法により高分解能高分解能高分解能画像の詳細が得られた。
論文参考訳（メタデータ） (2020-05-18T14:25:50Z)

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。