論文の概要: Cross-domain Hyperspectral Image Classification based on Bi-directional Domain Adaptation

• arxiv url: http://arxiv.org/abs/2507.02268v1
• Date: Thu, 03 Jul 2025 03:22:28 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-07-04 15:37:15.487723
• Title: Cross-domain Hyperspectral Image Classification based on Bi-directional Domain Adaptation
• Title（参考訳）: 双方向領域適応に基づくクロスドメインハイパースペクトル画像分類
• Authors: Yuxiang Zhang, Wei Li, Wen Jia, Mengmeng Zhang, Ran Tao, Shunlin Liang,
• Abstract要約: クロスドメインハイパースペクトル画像(HSI)分類のための双方向ドメイン適応(BiDA)フレームワークを提案する。 BiDAは、独立適応空間におけるドメイン不変特徴とドメイン固有情報の両方を抽出することに焦点を当てている。 時空・時空・衛星データを用いた実験結果から,提案したBiDAは,最先端の領域適応手法よりも優れた性能を示した。
• 参考スコア（独自算出の注目度）: 9.274122822335586
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Utilizing hyperspectral remote sensing technology enables the extraction of fine-grained land cover classes. Typically, satellite or airborne images used for training and testing are acquired from different regions or times, where the same class has significant spectral shifts in different scenes. In this paper, we propose a Bi-directional Domain Adaptation (BiDA) framework for cross-domain hyperspectral image (HSI) classification, which focuses on extracting both domain-invariant features and domain-specific information in the independent adaptive space, thereby enhancing the adaptability and separability to the target scene. In the proposed BiDA, a triple-branch transformer architecture (the source branch, target branch, and coupled branch) with semantic tokenizer is designed as the backbone. Specifically, the source branch and target branch independently learn the adaptive space of source and target domains, a Coupled Multi-head Cross-attention (CMCA) mechanism is developed in coupled branch for feature interaction and inter-domain correlation mining. Furthermore, a bi-directional distillation loss is designed to guide adaptive space learning using inter-domain correlation. Finally, we propose an Adaptive Reinforcement Strategy (ARS) to encourage the model to focus on specific generalized feature extraction within both source and target scenes in noise condition. Experimental results on cross-temporal/scene airborne and satellite datasets demonstrate that the proposed BiDA performs significantly better than some state-of-the-art domain adaptation approaches. In the cross-temporal tree species classification task, the proposed BiDA is more than 3\%$\sim$5\% higher than the most advanced method. The codes will be available from the website: https://github.com/YuxiangZhang-BIT/IEEE_TCSVT_BiDA.
• Abstract（参考訳）: ハイパースペクトルリモートセンシング技術を利用することで、きめ細かい土地被覆クラスの抽出が可能となる。 通常、訓練やテストに使用される衛星や航空機の画像は、異なる領域や時間から取得される。 本稿では、ドメイン不変特徴とドメイン固有情報の両方を独立適応空間で抽出することに焦点を当てた、クロスドメインハイパースペクトル画像(HSI)分類のための双方向ドメイン適応(BiDA)フレームワークを提案する。 提案したBiDAでは,3分岐トランスフォーマーアーキテクチャ(ソースブランチ,ターゲットブランチ,結合ブランチ)とセマンティックトークンライザをバックボーンとして設計している。 具体的には、ソースブランチとターゲットブランチは独立してソースドメインとターゲットドメインの適応空間を学習し、機能相互作用とドメイン間相関マイニングのための結合ブランチにおいて、結合型マルチヘッドクロスアテンション(CMCA)機構を開発する。 さらに、ドメイン間相関を用いて適応的な空間学習を導くために、双方向蒸留損失を設計する。 最後に,適応強化戦略 (ARS) を提案し,ノイズ条件下での音源及び対象シーン内における特定の一般化特徴抽出に着目したモデルを提案する。 時空・時空・衛星データを用いた実験結果から,提案したBiDAは,最先端の領域適応手法よりも優れた性能を示した。 横断樹種分類タスクでは,提案したBiDAは最も進んだ方法よりも3\%$\sim$5\%高い。 コードは、https://github.com/YuxiangZhang-BIT/IEEE_TCSVT_BiDA.comから入手できる。

関連論文リスト

• Tackling Dimensional Collapse toward Comprehensive Universal Domain Adaptation [11.875619863954238]
  Universal Domain Adaptation (UniDA)は、共有サブセットを除いて、ターゲットクラスがソースクラスと任意に異なる可能性のある、教師なしのドメイン適応に対処する。 重要なアプローチである部分的ドメインマッチング(PDM)は、共有クラスのみをアライメントするが、多くのソースクラスがターゲットドメインに存在しない極端なケースで苦労し、ソースデータのみをトレーニングする最も単純なベースラインを過小評価する。 本稿では,学習表現の内在的構造を維持するために,ラベルのない対象データに基づいて,現代の自己教師学習(SSL)におけるアライメントと統一性を共同で活用することを提案する。
  論文  参考訳（メタデータ） (2024-10-15T04:51:37Z)
• Semi Supervised Heterogeneous Domain Adaptation via Disentanglement and Pseudo-Labelling [4.33404822906643]
  半教師付きドメイン適応法は、ソースラベル付きドメインからの情報を利用して、少ないラベル付きターゲットドメインを一般化する。 このような設定は半教師付き不均質ドメイン適応(SSHDA)と表記される。 SHEDD(Semi-supervised Heterogeneous Domain Adaptation via Disentanglement)は,対象ドメインの学習に適したエンドツーエンドのニューラルネットワークフレームワークである。
  論文  参考訳（メタデータ） (2024-06-20T08:02:49Z)
• Seeking Similarities over Differences: Similarity-based Domain Alignment for Adaptive Object Detection [86.98573522894961]
  本研究では,Unsupervised Domain Adaptation (UDA) アルゴリズムが検出に使用するコンポーネントを一般化するフレームワークを提案する。 具体的には、最適な設計選択を生かした新しいUDAアルゴリズムViSGAを提案し、インスタンスレベルの特徴を集約する単純だが効果的な方法を提案する。 類似性に基づくグループ化と対角トレーニングの両方により、モデルでは、ゆるやかに整列されたドメインにまたがるすべてのインスタンスにマッチせざるを得ず、機能グループを粗い整列することに集中することが可能であることが示されています。
  論文  参考訳（メタデータ） (2021-10-04T13:09:56Z)
• Instance Level Affinity-Based Transfer for Unsupervised Domain Adaptation [74.71931918541748]
  ILA-DAと呼ばれる適応中のソースからターゲットへの転送に対するインスタンス親和性に基づく基準を提案する。 まず、ソースとターゲットをまたいだ類似および異種サンプルを抽出し、マルチサンプルのコントラスト損失を利用してドメインアライメントプロセスを駆動する信頼性が高く効率的な手法を提案する。 ILA-DAの有効性は、様々なベンチマークデータセットに対する一般的なドメイン適応手法よりも精度が一貫した改善を観察することによって検証する。
  論文  参考訳（メタデータ） (2021-04-03T01:33:14Z)
• Adapt Everywhere: Unsupervised Adaptation of Point-Clouds and Entropy Minimisation for Multi-modal Cardiac Image Segmentation [10.417009344120917]
  マルチモーダル心臓画像分割のための新しいUDA法を提案する。 提案手法は、逆学習に基づいて、異なる空間におけるソースとターゲットドメイン間のネットワーク特徴を適応する。 本手法はannotated source domainからunannotated target domainへの適応により2つの心データセットで検証した。
  論文  参考訳（メタデータ） (2021-03-15T08:59:44Z)
• Channel-wise Alignment for Adaptive Object Detection [66.76486843397267]
  遺伝的物体検出は、ディープ畳み込みニューラルネットワークの開発によって大いに促進されている。 このタスクの既存の方法は、通常、画像全体や関心の対象に基づいて、ハイレベルなアライメントに注意を向ける。 本稿では,チャネルワイドアライメント(チャネルワイドアライメント)という,まったく異なる観点からの適応を実現する。
  論文  参考訳（メタデータ） (2020-09-07T02:42:18Z)
• Adversarial Dual Distinct Classifiers for Unsupervised Domain Adaptation [67.83872616307008]
  Unversarial Domain adaptation (UDA)は、異なる分散されたラベル付きソースドメインから学習モデルを構築することで、ラベルなしのターゲットサンプルを認識しようとする。 本稿では,タスク固有のカテゴリ境界に一致するソースとターゲット領域のデータ分布を同時に整合させる新しいアドリラルデュアル・ディスタンス・ネットワーク(AD$2$CN)を提案する。 具体的には、ドメイン不変の特徴発生器を利用して、識別的クロスドメインアライメントのガイダンスにより、ソースとターゲットデータを潜在共通空間に埋め込む。
  論文  参考訳（メタデータ） (2020-08-27T01:29:10Z)
• Adaptively-Accumulated Knowledge Transfer for Partial Domain Adaptation [66.74638960925854]
  部分ドメイン適応(PDA)は、ソースドメインラベル空間がターゲットドメインを置き換えるとき、現実的で困難な問題を扱う。 本稿では,2つの領域にまたがる関連カテゴリを整合させる適応的知識伝達フレームワーク(A$2KT)を提案する。
  論文  参考訳（メタデータ） (2020-08-27T00:53:43Z)
• Domain Conditioned Adaptation Network [90.63261870610211]
  本稿では,ドメイン条件付きチャネルアテンション機構を用いて,異なる畳み込みチャネルを励起するドメイン条件適応ネットワーク(DCAN)を提案する。 これは、ディープDAネットワークのドメインワイドな畳み込みチャネルアクティベーションを探求する最初の試みである。
  論文  参考訳（メタデータ） (2020-05-14T04:23:24Z)

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。