論文の概要: Examination of PCA Utilisation for Multilabel Classifier of Multispectral Images

• arxiv url: http://arxiv.org/abs/2509.01691v1
• Date: Mon, 01 Sep 2025 18:06:34 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-09-04 15:17:03.815979
• Title: Examination of PCA Utilisation for Multilabel Classifier of Multispectral Images
• Title（参考訳）: マルチスペクトル画像のマルチラベル分類のためのPCA活用の検討
• Authors: Filip Karpowicz, Wiktor Kępiński, Bartosz Staszyński, Grzegorz Sarwas,
• Abstract要約: 本稿では,ResNet50とDINOv2を用いたマルチスペクトル画像のマルチラベル分類における主成分分析の有用性について検討する。 私たちのパイプラインには、オプションのPCAステップが含まれています。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: This paper investigates the utility of Principal Component Analysis (PCA) for multi-label classification of multispectral images using ResNet50 and DINOv2, acknowledging the high dimensionality of such data and the associated processing challenges. Multi-label classification, where each image may belong to multiple classes, adds further complexity to feature extraction. Our pipeline includes an optional PCA step that reduces the data to three dimensions before feeding it into a three-layer classifier. The findings demonstrate that the effectiveness of PCA for multi-label multispectral image classification depends strongly on the chosen deep learning architecture and training strategy, opening avenues for future research into self-supervised pre-training and alternative dimensionality reduction approaches.
• Abstract（参考訳）: 本稿では,ResNet50 と DINOv2 を用いたマルチスペクトル画像のマルチラベル分類における主成分分析(PCA)の有用性について検討し,その高次元化と処理課題について述べる。 各イメージを複数のクラスに分類するマルチラベル分類は、特徴抽出をさらに複雑にする。 私たちのパイプラインには、オプションのPCAステップが含まれています。 これらの結果から,マルチラベルマルチスペクトル画像分類におけるPCAの有効性は,選択したディープラーニングアーキテクチャとトレーニング戦略に強く依存していることが示唆された。

関連論文リスト

• Semantic-Aware Representation Learning for Multi-label Image Classification [6.444512435220748]
  本稿では,多ラベル画像分類のためのセマンティック・アウェア表現学習(SARL)を提案する。 まず、ラベル意味関連特徴学習モジュールを用いて意味関連特徴を抽出する。 第2に、セマンティックに整合した画像表現を得るために、最適輸送に基づくアテンション機構が設計されている。
  論文  参考訳（メタデータ） (2025-07-20T11:15:24Z)
• No-Reference Point Cloud Quality Assessment via Graph Convolutional Network [89.12589881881082]
  3次元(3D)ポイントクラウドは、新しいビジュアルメディアフォーマットとして、消費者にますます好まれている。 ポイントクラウドは、必然的に、マルチメディア通信システムによる品質劣化と情報損失に悩まされる。 マルチビュー2次元投影画像の相互依存関係を特徴付けるために,GCN(Graph Convolutional Network)を用いた新しい非参照PCQA手法を提案する。
  論文  参考訳（メタデータ） (2024-11-12T11:39:05Z)
• Convolutional autoencoder-based multimodal one-class classification [80.52334952912808]
  1クラス分類は、単一のクラスからのデータを用いた学習のアプローチを指す。 マルチモーダルデータに適した深層学習一クラス分類法を提案する。
  論文  参考訳（メタデータ） (2023-09-25T12:31:18Z)
• Reliable Representation Learning for Incomplete Multi-View Missing Multi-Label Classification [78.15629210659516]
  本稿ではRANKと呼ばれる不完全なマルチビュー欠落型マルチラベル分類ネットワークを提案する。 既存の手法に固有のビューレベルの重みを分解し、各サンプルのビューに品質スコアを動的に割り当てる品質対応サブネットワークを提案する。 私たちのモデルは、完全なマルチビューマルチラベルデータを扱うだけでなく、欠落したインスタンスやラベルを持つデータセットでも処理できます。
  論文  参考訳（メタデータ） (2023-03-30T03:09:25Z)
• Training Methods of Multi-label Prediction Classifiers for Hyperspectral Remote Sensing Images [0.0]
  ハイパースペクトルリモートセンシング画像に対するマルチラベル・パッチレベルの分類法を提案する。 リモートセンシング画像から抽出した空間次元を縮小したパッチと全スペクトル深度を用いた。
  論文  参考訳（メタデータ） (2023-01-17T13:30:03Z)
• Deep Active Learning for Multi-Label Classification of Remote Sensing Images [0.0]
  リモートセンシング(RS)における多ラベル分類問題に対する深層能動学習(AL)を導入する。 特に,RS画像のMLCに対する複数のALクエリ関数の有効性について検討する。 全てのクエリ関数は、RSのMLC問題のフレームワークで初めて導入される。
  論文  参考訳（メタデータ） (2022-12-02T13:41:21Z)

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。