論文の概要: Explainability-Driven Dimensionality Reduction for Hyperspectral Imaging
- arxiv url: http://arxiv.org/abs/2509.02340v1
- Date: Tue, 02 Sep 2025 14:06:10 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-09-04 15:17:04.05389
- Title: Explainability-Driven Dimensionality Reduction for Hyperspectral Imaging
- Title（参考訳）: ハイパースペクトルイメージングのための説明可能性駆動型次元化
- Authors: Salma Haidar, José Oramas,
- Abstract要約: ハイパースペクトルイメージング(HSI)は、正確な物質分類と分析のための豊富なスペクトル情報を提供する。
HSIの高次元性は計算負担と冗長性を導入し、次元性の低減が不可欠である。
本稿では,バンド選択のためのモデル駆動フレームワークにおけるポストホック説明可能性法の応用に関する探索的研究を行う。
- 参考スコア（独自算出の注目度）: 1.237556184089774
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Hyperspectral imaging (HSI) provides rich spectral information for precise material classification and analysis; however, its high dimensionality introduces a computational burden and redundancy, making dimensionality reduction essential. We present an exploratory study into the application of post-hoc explainability methods in a model--driven framework for band selection, which reduces the spectral dimension while preserving predictive performance. A trained classifier is probed with explanations to quantify each band's contribution to its decisions. We then perform deletion--insertion evaluations, recording confidence changes as ranked bands are removed or reintroduced, and aggregate these signals into influence scores. Selecting the highest--influence bands yields compact spectral subsets that maintain accuracy and improve efficiency. Experiments on two public benchmarks (Pavia University and Salinas) demonstrate that classifiers trained on as few as 30 selected bands match or exceed full--spectrum baselines while reducing computational requirements. The resulting subsets align with physically meaningful, highly discriminative wavelength regions, indicating that model--aligned, explanation-guided band selection is a principled route to effective dimensionality reduction for HSI.
- Abstract（参考訳）: ハイパースペクトルイメージング(HSI)は、正確な物質分類と分析のために豊富なスペクトル情報を提供するが、その高次元性は計算負担と冗長性を導入し、次元性の低減が不可欠である。
予測性能を保ちながらスペクトル次元を小さくするモデル駆動のバンド選択フレームワークにおけるポストホック説明可能性手法の適用に関する探索的研究を行い、各バンドの判断への貢献を定量化するために、訓練された分類器を探索し、削除・挿入評価を行い、ランクバンドの除去・再導入に伴う信頼度変化を記録し、これらの信号を影響スコアに集約する。
2つの公開ベンチマーク(パヴィア大学とサリナス)の実験では、30個の選択されたバンドで訓練された分類器が、計算要求を減らしながら、全スペクトルベースラインに一致または超えることを示した。
結果として得られるサブセットは、物理的に有意で、非常に識別性の高い波長領域と一致し、モデルに整合した説明誘導バンド選択が、HSIの有効次元減少への原則的経路であることを示唆している。
関連論文リスト
- A Hybrid Framework for Statistical Feature Selection and Image-Based Noise-Defect Detection [55.2480439325792]
本稿では,統計的特徴選択と分類技術を統合し,欠陥検出精度を向上させるハイブリッドフレームワークを提案する。
工業画像から抽出した55個の特徴を統計的手法を用いて解析した。
これらの手法をフレキシブルな機械学習アプリケーションに統合することにより、検出精度を改善し、偽陽性や誤分類を減らす。
論文 参考訳（メタデータ） (2024-12-11T22:12:21Z) - 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) - Hodge-Aware Contrastive Learning [101.56637264703058]
単純コンプレックスは、マルチウェイ依存によるデータのモデリングに有効である。
我々は、単純なデータを処理するための対照的な自己教師付き学習手法を開発した。
論文 参考訳（メタデータ） (2023-09-14T00:40:07Z) - Hybridization of filter and wrapper approaches for the dimensionality
reduction and classification of hyperspectral images [0.0]
ハイパースペクトル画像の次元化のための帯域選択によるハイブリッドアルゴリズムを提案する。
提案手法は,相互情報に基づく効率的な再生フィルタ手法と比較する。
論文 参考訳（メタデータ） (2022-10-29T05:25:10Z) - 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) - A new band selection approach based on information theory and support
vector machine for hyperspectral images reduction and classification [0.0]
スペクトル帯の選択は、無関係でノイズの多い、冗長なバンドを取り除くための重要なステップです。
本稿では,各帯域間の統計的依存度と相関度を測定するために,共同情報に基づく新たな戦略を提案する。
提案手法は,相互情報に基づく効率的な再生フィルタと比較する。
論文 参考訳（メタデータ） (2022-10-26T10:54:23Z) - A Novel Approach for Dimensionality Reduction and Classification of
Hyperspectral Images based on Normalized Synergy [0.0]
クラス予測に相補的な関連帯域を検出するために,新しいフィルタ手法である正規化相互シナジー(NMS)を提案する。
提案手法は,最大正規化交感神経情報の組み合わせに基づいて,選択した帯域の識別力を測定する。
NASAが提案した3つのベンチマークハイパースペクトル画像の実験結果は、提案手法の堅牢性、有効性、識別力を示した。
論文 参考訳（メタデータ） (2022-10-25T10:36:26Z) - Fine-grained Retrieval Prompt Tuning [149.9071858259279]
微粒な検索プロンプトチューニングは, サンプルプロンプトと特徴適応の観点から, きめの細かい検索タスクを実行するために, 凍結した事前学習モデルを操る。
学習可能なパラメータが少ないFRPTは、広く使われている3つの細粒度データセットの最先端性能を実現する。
論文 参考訳（メタデータ） (2022-07-29T04:10:04Z) - Deep Semi-supervised Knowledge Distillation for Overlapping Cervical
Cell Instance Segmentation [54.49894381464853]
本稿では, ラベル付きデータとラベルなしデータの両方を, 知識蒸留による精度向上に活用することを提案する。
摂動に敏感なサンプルマイニングを用いたマスク誘導型平均教師フレームワークを提案する。
実験の結果,ラベル付きデータのみから学習した教師付き手法と比較して,提案手法は性能を著しく向上することがわかった。
論文 参考訳（メタデータ） (2020-07-21T13:27:09Z) - Capturing scattered discriminative information using a deep architecture
in acoustic scene classification [49.86640645460706]
本研究では,識別情報を捕捉し,同時に過度に適合する問題を緩和する様々な手法について検討する。
我々は、ディープニューラルネットワークにおける従来の非線形アクティベーションを置き換えるために、Max Feature Map法を採用する。
2つのデータ拡張方法と2つの深いアーキテクチャモジュールは、システムの過度な適合を減らし、差別的なパワーを維持するためにさらに検討されている。
論文 参考訳（メタデータ） (2020-07-09T08:32:06Z) - ADRN: Attention-based Deep Residual Network for Hyperspectral Image
Denoising [52.01041506447195]
ノイズの多いHSIからクリーンなHSIへのマッピングを学習するために,注目に基づくディープ残差ネットワークを提案する。
実験の結果,提案手法は定量的および視覚的評価において最先端の手法よりも優れていた。
論文 参考訳（メタデータ） (2020-03-04T08:36:27Z)
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。