論文の概要: Improving Remote Sensing Classification using Topological Data Analysis and Convolutional Neural Networks

• arxiv url: http://arxiv.org/abs/2507.10381v1
• Date: Mon, 14 Jul 2025 15:22:29 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-07-15 18:48:25.264047
• Title: Improving Remote Sensing Classification using Topological Data Analysis and Convolutional Neural Networks
• Title（参考訳）: トポロジカルデータ分析と畳み込みニューラルネットワークによるリモートセンシング分類の改善
• Authors: Aaryam Sharma,
• Abstract要約: 遠隔センシング分類における深層学習モデルとトポロジ的特徴を統合するためのTDA機能設計パイプラインと簡単な手法を提案する。 本手法は,EuroSATデータセット上でのResNet18モデルの性能を1.44%向上し,99.33%の精度を実現した。 これは、ディープラーニングを用いた衛星シーン分類におけるTDA機能の最初の応用である。
• 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: Topological data analysis (TDA) is a relatively new field that is gaining rapid adoption due to its robustness and ability to effectively describe complex datasets by quantifying geometric information. In imaging contexts, TDA typically models data as filtered cubical complexes from which we can extract discriminative features using persistence homology. Meanwhile, convolutional neural networks (CNNs) have been shown to be biased towards texture based local features. To address this limitation, we propose a TDA feature engineering pipeline and a simple method to integrate topological features with deep learning models on remote sensing classification. Our method improves the performance of a ResNet18 model on the EuroSAT dataset by 1.44% achieving 99.33% accuracy, which surpasses all previously reported single-model accuracies, including those with larger architectures, such as ResNet50 (2x larger) and XL Vision Transformers (197x larger). We additionally show that our method's accuracy is 1.82% higher than our ResNet18 baseline on the RESISC45 dataset. To our knowledge, this is the first application of TDA features in satellite scene classification with deep learning. This demonstrates that TDA features can be integrated with deep learning models, even on datasets without explicit topological structures, thereby increasing the applicability of TDA. A clean implementation of our method will be made publicly available upon publication.
• Abstract（参考訳）: トポロジカルデータ分析(TDA)は比較的新しい分野であり、幾何学的情報を定量化することで、複雑なデータセットを効果的に記述できる頑健さと能力により、急速に普及しつつある。 画像の文脈において、TDAは通常、永続ホモロジーを用いて識別的特徴を抽出できるフィルター付き立方体錯体としてデータをモデル化する。 一方、畳み込みニューラルネットワーク(CNN)はテクスチャベースの局所的特徴に偏りがあることが示されている。 この制限に対処するために、遠隔センシング分類におけるトポロジ的特徴と深層学習モデルを統合するためのTDA機能エンジニアリングパイプラインと簡単な方法を提案する。 提案手法は,ResNet50(2倍)やXL Vision Transformer(197倍)などの大規模アーキテクチャを含む,これまでに報告されたすべての単一モデルの精度を上回る精度で,EuroSATデータセット上のResNet18モデルのパフォーマンスを1.44%向上させる。 また,RESISC45データセット上のResNet18ベースラインよりも精度が1.82%高いことを示す。 我々の知る限り、これは深層学習を用いた衛星シーン分類におけるTDA機能の最初の応用である。 これにより、TDA機能は、明示的なトポロジ構造を持たないデータセットであっても、ディープラーニングモデルと統合可能であることが示され、TDAの適用性が向上する。 私たちの方法のクリーンな実装は、公開時に公開します。

関連論文リスト

• Hyperspectral Images Efficient Spatial and Spectral non-Linear Model with Bidirectional Feature Learning [7.06787067270941]
  本稿では,分類精度を高めつつ,データ量を大幅に削減する新しいフレームワークを提案する。 本モデルでは,空間特徴解析のための特殊ブロックによって補完されるスペクトル特徴を効率よく抽出するために,双方向逆畳み込みニューラルネットワーク(CNN)を用いる。
  論文  参考訳（メタデータ） (2024-11-29T23:32:26Z)
• Boosting Cross-Domain Point Classification via Distilling Relational Priors from 2D Transformers [59.0181939916084]
  従来の3Dネットワークは主に局所幾何学的詳細に焦点を当て、局所幾何学間の位相構造を無視する。 そこで本稿では,大規模画像上においてよく訓練されたトランスフォーマーから前駆体を抽出する,新しい先駆体蒸留法を提案する。 PointDA-10とSim-to-Realデータセットの実験は、提案手法が点クラウド分類におけるUDAの最先端性能を一貫して達成していることを検証する。
  論文  参考訳（メタデータ） (2024-07-26T06:29:09Z)
• Research on fusing topological data analysis with convolutional neural network [1.0222202698528364]
  本稿では,TDA(Topological Data Analysis)とCNN(TDA-CNN)に基づく特徴融合手法を提案する。 本手法は,CNNが取得した数値分布特徴とTDAが取得した位相構造特徴を組み合わせることで,CNNの特徴学習と表現能力を向上させる。 書道家によるIntel Image、Gender Images、中国書道スタイルなどのデータセットに対する実験的検証では、TDA-CNNはVGG16、DenseNet121、GoogleNetネットワークのパフォーマンスをそれぞれ17.5%、7.11%、そして4.45%改善している。
  論文  参考訳（メタデータ） (2024-06-19T07:43:53Z)
• TCCT-Net: Two-Stream Network Architecture for Fast and Efficient Engagement Estimation via Behavioral Feature Signals [58.865901821451295]
  本稿では,新しい2ストリーム機能融合 "Tensor-Convolution and Convolution-Transformer Network" (TCCT-Net) アーキテクチャを提案する。 時間空間領域における意味のあるパターンをよりよく学習するために、ハイブリッド畳み込み変換器を統合する「CT」ストリームを設計する。 並行して、時間周波数領域からリッチなパターンを効率的に抽出するために、連続ウェーブレット変換(CWT)を用いて情報を2次元テンソル形式で表現する「TC」ストリームを導入する。
  論文  参考訳（メタデータ） (2024-04-15T06:01:48Z)
• Rock Classification Based on Residual Networks [4.256045122451066]
  岩盤分類の問題に対処するために,残差ニューラルネットワークを用いた2つのアプローチを提案する。 ResNet34に基づくカーネルサイズや正規化メソッド,コンポジションを変更することで,テストデータセット上での精度を70.1%向上する。 マルチヘッド・セルフ・アテンションを組み込んだBoTNetのようなバックボーンを使って、モデルの内部残余接続も利用しています。 これにより、モデルのパフォーマンスが向上し、テストデータセットで73.7%の精度が達成される。
  論文  参考訳（メタデータ） (2024-02-19T04:45:15Z)
• Deep-Learning Framework for Optimal Selection of Soil Sampling Sites [0.0]
  この研究は、画像処理におけるディープラーニングの最近の進歩を活用して、フィールドの重要な特性を示す最適な位置を見つける。 本フレームワークは,自己保持機構をバックボーンとするエンコーダデコーダアーキテクチャで構築されている。 このモデルはテストデータセットにおいて、平均精度99.52%、IoU平均インターセクション57.35%、Dice Coefficient平均71.47%という驚くべき結果を得た。
  論文  参考訳（メタデータ） (2023-09-02T16:19:21Z)
• Universal Domain Adaptation from Foundation Models: A Baseline Study [58.51162198585434]
  基礎モデルを用いた最先端UniDA手法の実証的研究を行った。 CLIPモデルからターゲット知識を抽出するためのパラメータフリーな手法であるtextitCLIP 蒸留を導入する。 単純な手法ではあるが、ほとんどのベンチマークタスクでは従来の手法よりも優れている。
  論文  参考訳（メタデータ） (2023-05-18T16:28:29Z)
• DeepDC: Deep Distance Correlation as a Perceptual Image Quality Evaluator [53.57431705309919]
  ImageNet Pre-trained Deep Neural Network (DNN)は、効果的な画像品質評価(IQA)モデルを構築するための顕著な転送性を示す。 我々は,事前学習DNN機能のみに基づく新しいフル参照IQA(FR-IQA)モデルを開発した。 5つの標準IQAデータセット上で,提案した品質モデルの優位性を示すため,包括的実験を行った。
  論文  参考訳（メタデータ） (2022-11-09T14:57:27Z)
• EAutoDet: Efficient Architecture Search for Object Detection [110.99532343155073]
  EAutoDetフレームワークは、1.4GPU日でオブジェクト検出のための実用的なバックボーンとFPNアーキテクチャを検出できる。 本稿では,一方のエッジ上での候補演算の重みを共有し,それらを一つの畳み込みに集約することでカーネル再利用手法を提案する。 特に、発見されたアーキテクチャは最先端のオブジェクト検出NAS法を超越し、120 FPSで40.1 mAP、49.2 mAP、41.3 FPSをCOCOテストデブセットで達成している。
  論文  参考訳（メタデータ） (2022-03-21T05:56:12Z)
• Rank-R FNN: A Tensor-Based Learning Model for High-Order Data Classification [69.26747803963907]
  Rank-R Feedforward Neural Network (FNN)は、そのパラメータにCanonical/Polyadic分解を課すテンソルベースの非線形学習モデルである。 まず、入力をマルチリニアアレイとして扱い、ベクトル化の必要性を回避し、すべてのデータ次元に沿って構造情報を十分に活用することができる。 Rank-R FNNの普遍的な近似と学習性の特性を確立し、実世界のハイパースペクトルデータセットのパフォーマンスを検証する。
  論文  参考訳（メタデータ） (2021-04-11T16:37:32Z)
• TDA-Net: Fusion of Persistent Homology and Deep Learning Features for COVID-19 Detection in Chest X-Ray Images [0.7734726150561088]
  トポロジカルデータ分析は、データセットの構造を抽出し比較するための堅牢なツールとして登場した。 両強力なツールの特徴を捉えるために,トポロジと深い特徴を融合した新しいアンサンブルネットワークである textitTDA-Net を提案する。
  論文  参考訳（メタデータ） (2021-01-21T01:51:12Z)

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。