論文の概要: Representative Spectral Correlation Network for Multi-source Remote Sensing Image Classification

• arxiv url: http://arxiv.org/abs/2604.27323v1
• Date: Thu, 30 Apr 2026 02:10:38 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-01 16:31:53.876323
• Title: Representative Spectral Correlation Network for Multi-source Remote Sensing Image Classification
• Title（参考訳）: マルチソースリモートセンシング画像分類のための代表スペクトル相関ネットワーク
• Authors: Chuanzheng Gong, Feng Gao, Junyan Lin, Junyu Dong, Qian Du,
• Abstract要約: representative Spectral correlation Network (RSCNet) は、新しいマルチソース画像分類フレームワークである。 RSCNetはスペクトル選択と適応的相互作用を通じて課題に対処する。 3つの公開ベンチマークデータセットの実験では、RCCNetは最先端の手法と比較して優れたパフォーマンスを達成している。
• 参考スコア（独自算出の注目度）: 44.20355634294824
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Hyperspectral image (HSI) and SAR/LiDAR data offer complementary spectral and structural information for land-cover classification. However, their effective fusion remains challenging due to two major limitations: The spectral redundancy in high-dimensional HSI and the heterogeneous characteristics between multi-source data. To this end, we propose Representative Spectral Correlation Network (RSCNet), a novel multi-source image classification framework specifically designed to address the above challenges through spectral selection and adaptive interaction. The network incorporates two key components: (1) Key Band Selection Module (KBSM) that adaptively selects task-relevant spectral bands from the original HSI under cross-source guidance, thereby alleviating redundancy and mitigating information loss from conventional PCA-based spectral reduction. Moreover, the learned band subset exhibits highly discriminative spectral structures that align with discriminative semantic cues, promoting compact yet expressive representations. (2) Cross-source Adaptive Fusion Module (CAFM) that performs cross-source attention weighting and local-global contextual refinement to enhance cross-source feature interaction. Experiments on three public benchmark datasets demonstrate that our RSCNet achieves superior performance compared with state-of-the-art methods, while maintaining substantially lower computational complexity. Our codes are publicly available at https://github.com/oucailab/RSCNet.
• Abstract（参考訳）: ハイパースペクトル画像(HSI)とSAR/LiDARデータは、土地被覆分類のための相補的なスペクトルおよび構造情報を提供する。 しかし、高次元HSIのスペクトル冗長性とマルチソースデータ間の不均一性という2つの大きな制約のため、それらの効果的な融合は依然として困難である。 この目的のために、スペクトル選択と適応的相互作用によって上記の課題に対処するために設計された、新しいマルチソース画像分類フレームワークであるRepresentive Spectral correlation Network (RSCNet)を提案する。 本ネットワークは,(1)キーバンド選択モジュール (KBSM) の2つの重要なコンポーネントを組み込んでおり,(1) 従来のPCAベースのスペクトル減少による冗長性を緩和し,情報損失を軽減し,従来のHSIからタスク関連スペクトル帯域を適応的に選択する。 さらに、学習帯域サブセットは、識別的セマンティックキューと整合し、コンパクトで表現力のある表現を促進する、高度に識別的なスペクトル構造を示す。 2) クロスソース・アダプティブ・フュージョン・モジュール (CAFM) は, クロスソース・アダプティブ・アダプティブ・アダプティブ・フュージョン・モジュール (CAFM) を用いて, クロスソース・アダプティブ・アダプティブ・アダプティブ・アダプティブ・フュージョン・モジュール (CAFM) を実現する。 3つの公開ベンチマークデータセットの実験により、我々のRCCNetは、最先端の手法に比べて性能が優れており、計算の複雑さは著しく低いことが示されている。 私たちのコードはhttps://github.com/oucailab/RSCNet.comで公開されています。

関連論文リスト

• SSFT: A Lightweight Spectral-Spatial Fusion Transformer for Generic Hyperspectral Classification [42.09644109233563]
  本稿では,スペクトル・空間経路に表現学習を分解する軽量なスペクトル・空間融合変換器(SSFT)を提案する。 我々は,地球観測,果実条件評価,微粒化材料認識を対象とするヘテロジニアスなマルチデータセットベンチマークであるHSI-Benchmarkについて,SSFTの評価を行った。
  論文  参考訳（メタデータ） (2026-04-17T08:31:25Z)
• HSSDCT: Factorized Spatial-Spectral Correlation for Hyperspectral Image Fusion [11.994592153994482]
  ハイパースペクトル画像(HSI)融合は、低分解能HSIの豊富なスペクトル情報と高分解能マルチスペクトル画像(HR-MSI)の詳細な詳細を組み合わせることで、高分解能HSI(HR-HSI)を再構成することを目的としている。 近年の深層学習法は顕著な進歩を遂げているが, 受容野の制限, スペクトル帯域の冗長化, 自己意識の2次的複雑さに悩まされている。 これらの課題を克服するために,階層型空間スペクトル線量相関ネットワーク (HSSDCT) を提案する。
  論文  参考訳（メタデータ） (2026-01-31T03:24:03Z)
• Hyperspectral Image Classification via Transformer-based Spectral-Spatial Attention Decoupling and Adaptive Gating [12.168520751389622]
  ディープニューラルネットワークは、ハイパースペクトル画像分類においていくつかの課題に直面している。 本稿ではSTNetと呼ばれる新しいネットワークアーキテクチャを提案する。 提案手法は、IN, UP, KSCデータセット上での優れた性能を示し、主流のハイパースペクトル画像分類手法よりも優れた性能を示す。
  論文  参考訳（メタデータ） (2025-06-10T01:24:35Z)
• Unleashing Correlation and Continuity for Hyperspectral Reconstruction from RGB Images [64.80875911446937]
  RGB画像からのHSI再構成のための相関連続性ネットワーク(CCNet)を提案する。 局所スペクトルの相関について,GrSCM(Group-wise Spectral correlation Modeling)モジュールを紹介する。 グローバルスペクトルの連続性のために、我々はNeSCMモジュールを設計する。
  論文  参考訳（メタデータ） (2025-01-02T15:14:40Z)
• ESSAformer: Efficient Transformer for Hyperspectral Image Super-resolution [76.7408734079706]
  単一ハイパースペクトル像超解像(単一HSI-SR)は、低分解能観測から高分解能ハイパースペクトル像を復元することを目的としている。 本稿では,1つのHSI-SRの繰り返し精製構造を持つESSA注目組込みトランスフォーマネットワークであるESSAformerを提案する。
  論文  参考訳（メタデータ） (2023-07-26T07:45:14Z)
• 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)
• DCN-T: Dual Context Network with Transformer for Hyperspectral Image Classification [109.09061514799413]
  複雑な撮像条件による空間変動のため,HSI分類は困難である。 本稿では,HSIを高品質な三スペクトル画像に変換する三スペクトル画像生成パイプラインを提案する。 提案手法は,HSI分類における最先端手法よりも優れている。
  論文  参考訳（メタデータ） (2023-04-19T18:32:52Z)
• Cross-Attention in Coupled Unmixing Nets for Unsupervised Hyperspectral Super-Resolution [79.97180849505294]
  本稿では,HSIの空間分解能を高めるために,CUCaNetというクロスアテンション機構を備えた新しい結合型アンミックスネットワークを提案する。 3つの広く使われているHS-MSデータセットに対して、最先端のHSI-SRモデルと比較実験を行った。
  論文  参考訳（メタデータ） (2020-07-10T08:08:20Z)

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。