論文の概要: PolSAR Image Classification using a Hybrid Complex-Valued Network (HybridCVNet)

• arxiv url: http://arxiv.org/abs/2605.31137v1
• Date: Fri, 29 May 2026 10:47:36 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-01 20:56:50.549123
• Title: PolSAR Image Classification using a Hybrid Complex-Valued Network (HybridCVNet)
• Title（参考訳）: ハイブリッド複合価値ネットワーク(HybridCVNet)を用いた PolSAR 画像分類
• Abstract要約: HybridCVNetはCV-CNNとCV-ViT技術を組み合わせた新しいハイブリッドネットワークである。 CV3Dと2D CNNを特徴抽出器として効率的に組み合わせ、補完情報を抽出してPolSAR画像分類を強化する。
• 参考スコア（独自算出の注目度）: 2.538209532048867
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Recently, convolutional neural networks (CNNs) have become popular for image classification due to their effectiveness in computer vision tasks. Now, researchers are exploring the potential of vision transformers (ViTs) in remote sensing and Earth observation. However, traditional Real-Valued networks often overlook important phase information in Complex-Valued (CV) data like polarimetric synthetic aperture radar (PolSAR) data. To address this, new CV deep architectures have emerged. HybridCVNet, a novel hybrid network, blends CV-CNN and CV vision transformer (CV-ViT) techniques. It efficiently combines CV 3D and 2D CNNs as feature extractors, enhancing PolSAR image classification by extracting complementary information and effectively leveraging interdependencies within the data. Experimental results from widely-used PolSAR datasets show HybridCVNet outperforms other methods, achieving an overall accuracy of 97.39% on the Flevoland dataset and showing promise even with just a 1% sampling ratio, with a Kappa value of 0.972 on the San Francisco dataset. Source code is accessible through https://github.com/mqalkhatib/HybridCVNet
• Abstract（参考訳）: 近年、畳み込みニューラルネットワーク(CNN)は、コンピュータビジョンタスクにおける有効性から、画像分類に人気がある。 研究者たちは、リモートセンシングと地球観測における視覚変換器(ViT)の可能性を探っている。 しかし、従来のリアルバリューネットワークは、ポラリメトリック合成開口レーダ(PolSAR)データのような複雑値(CV)データにおいて重要な位相情報を見落としていることが多い。 これを解決するために、新しいCVディープアーキテクチャが登場した。 新しいハイブリッドネットワークであるHybridCVNetはCV-CNNとCV-ViT技術を組み合わせている。 CV3Dと2D CNNを特徴抽出器として効率的に組み合わせ、補完情報を抽出してPolSAR画像分類を強化し、データ内の相互依存性を効果的に活用する。 広く使われている PolSAR データセットによる実験結果は、HybridCVNet が他の手法より優れており、Flevoland データセットでは 97.39% の精度を達成し、サンフランシスコ データセットでは Kappa 値 0.972 のサンプリング比でも 1% の精度で保証されている。 ソースコードはhttps://github.com/mqalkhatib/HybridCVNetからアクセス可能である。

関連論文リスト

• A Synergistic CNN-Transformer Network with Pooling Attention Fusion for Hyperspectral Image Classification [10.687430702802608]
  ハイパースペクトル画像(HSI)分類では、各画素は特定の土地被覆カテゴリまたは材料に分類される。 近年,マルチスケール・ビジョン・トランスフォーマー (ViT) を応用し,スペクトル特性の捕捉と有望な結果の獲得に役立てている。 本稿では,HSI分類のためのプール型アテンションフュージョンを用いたシナジスティックCNN-Transformerネットワークを提案する。
  論文  参考訳（メタデータ） (2026-04-26T09:30:27Z)
• Knowledge-Informed Neural Network for Complex-Valued SAR Image Recognition [51.03674130115878]
  本稿では,新しい「圧縮集約圧縮」アーキテクチャ上に構築された軽量なフレームワークであるKnowledge-Informed Neural Network(KINN)を紹介する。 KINNはパラメータ効率の認識における最先端を確立し、データスカースとアウト・オブ・ディストリビューションのシナリオにおいて例外的な一般化を提供する。
  論文  参考訳（メタデータ） (2025-10-23T07:12:26Z)
• Complex-valued convolutional neural network classification of hand gesture from radar images [0.0]
  本稿では,すべてのビルディングブロック,前方および後方操作,および複雑な領域における導関数を含む完全なCV-CNNを提案する。 本稿では,2組のCVハンドジェスチャーレーダ画像の分類モデルについて,等価なRVモデルと比較検討する。
  論文  参考訳（メタデータ） (2024-09-17T11:49:14Z)
• HyperKAN: Kolmogorov-Arnold Networks make Hyperspectral Image Classificators Smarter [0.0699049312989311]
  本稿では,従来のネットワークの線形層と畳み込み層をKANベースのネットワークに置き換えることを提案する。 これらの修正により,高スペクトルリモートセンシング画像の画素単位の分類精度が大幅に向上した。 最も大きな効果は、スペクトルデータのみを扱う畳み込みネットワークにおいて達成された。
  論文  参考訳（メタデータ） (2024-07-07T06:36:09Z)
• How to Learn More? Exploring Kolmogorov-Arnold Networks for Hyperspectral Image Classification [26.37105279142761]
  Kolmogorov-Arnold Networks (KANs) は視覚変換器 (ViTs) の代替として提案された。 本研究では,複雑なハイパースペクトル画像(HSI)データ分類におけるkansの有効性を評価する。 そこで我々は,1D,2D,3Dkanを用いたハイブリッドアーキテクチャを開発し,提案する。
  論文  参考訳（メタデータ） (2024-06-22T03:31:02Z)
• Deep Homography Estimation for Visual Place Recognition [49.235432979736395]
  本稿では,変換器を用いたディープホモグラフィー推定(DHE)ネットワークを提案する。 バックボーンネットワークによって抽出された濃密な特徴写像を入力とし、高速で学習可能な幾何的検証のためにホモグラフィーに適合する。 ベンチマークデータセットを用いた実験により,本手法はいくつかの最先端手法より優れていることが示された。
  論文  参考訳（メタデータ） (2024-02-25T13:22:17Z)
• Focal Sparse Convolutional Networks for 3D Object Detection [121.45950754511021]
  我々はスパースCNNの能力を高めるために2つの新しいモジュールを導入する。 焦点スパース・コンボリューション(Focals Conv)であり、焦点スパース・コンボリューションの多様変種である。 スパース・コンボリューションにおける空間的に学習可能な空間空間性は,高度な3次元物体検出に不可欠であることを示す。
  論文  参考訳（メタデータ） (2022-04-26T17:34:10Z)
• Two-Stream Graph Convolutional Network for Intra-oral Scanner Image Segmentation [133.02190910009384]
  本稿では,2ストリームグラフ畳み込みネットワーク(TSGCN)を提案する。 TSGCNは3次元歯(表面)セグメンテーションにおいて最先端の方法よりも優れています。
  論文  参考訳（メタデータ） (2022-04-19T10:41:09Z)
• Feature transforms for image data augmentation [74.12025519234153]
  画像分類において、多くの拡張アプローチは単純な画像操作アルゴリズムを利用する。 本研究では,14種類の拡張アプローチを組み合わせて生成した画像を追加することで,データレベルでのアンサンブルを構築する。 事前トレーニングされたResNet50ネットワークは、各拡張メソッドから派生した画像を含むトレーニングセットに基づいて微調整される。
  論文  参考訳（メタデータ） (2022-01-24T14:12:29Z)
• Classification of Hyperspectral Images by Using Spectral Data and Fully Connected Neural Network [0.0]
  ハイパースペクトル画像では90%以上の分類成功が達成されている。 本研究では,インドマツ,サリナス,パヴィアセンター,パヴィア大学,ボツワナのハイパースペクトル像を分類した。 すべてのハイパースペクトル画像のテストセットに対して平均97.5%の精度が達成される。
  論文  参考訳（メタデータ） (2022-01-08T12:45:48Z)
• Global Filter Networks for Image Classification [90.81352483076323]
  本稿では,対数線形複雑度を持つ周波数領域における長期空間依存性を学習する,概念的に単純だが計算効率のよいアーキテクチャを提案する。 この結果から,GFNetはトランスフォーマー型モデルやCNNの効率,一般化能力,堅牢性において,非常に競争力のある代替手段となる可能性が示唆された。
  論文  参考訳（メタデータ） (2021-07-01T17:58:16Z)
• Learning Hybrid Representations for Automatic 3D Vessel Centerline Extraction [57.74609918453932]
  3次元医用画像からの血管の自動抽出は血管疾患の診断に不可欠である。 既存の方法では、3次元画像からそのような細い管状構造を分割する際に、抽出された容器の不連続に悩まされることがある。 抽出された船舶の連続性を維持するためには、地球的幾何学を考慮に入れる必要があると論じる。 この課題を解決するためのハイブリッド表現学習手法を提案します。
  論文  参考訳（メタデータ） (2020-12-14T05:22:49Z)

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。