論文の概要: Domain-Aware Lightweight Spectral-Grouped Convolutions for Hyperspectral Fish Freshness Classification

• arxiv url: http://arxiv.org/abs/2608.12227v1
• Date: Wed, 12 Aug 2026 16:25:19 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-13 19:07:54.634985
• Title: Domain-Aware Lightweight Spectral-Grouped Convolutions for Hyperspectral Fish Freshness Classification
• Title（参考訳）: ハイパスペクトル魚の鮮度分類のためのドメイン対応軽量スペクトル群畳み込み
• Abstract要約: 本稿では,グループ畳み込みと奥行き空間経路を用いたスペクトル特徴抽出と空間特徴抽出を分離する軽量アーキテクチャであるSGNetを提案する。 SGNet 97.8%は分類精度を達成し、新たに開発された16日間の冷凍庫に格納されたサーモンフィレットデータセットでテストした場合、絶対誤差(MAE)はわずか4.75万のパラメータで0.64日である。 本研究は, ドメイン認識設計が産業実装の精度, リアルタイム新鮮度予測を支援することを示唆している。
• 参考スコア（独自算出の注目度）: 0.5097809301149342
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Hyperspectral imaging (HSI) offers nondestructive assessment of fish freshness by detecting biochemical alterations across spectral bands. However, conventional deep learning approaches do not fully address the particular characteristics of HSI data, such as spectral dominance over spatial textures, ordinal label structure, and a small number of training samples. We propose SGNet (Spectral-Grouped Network), a lightweight architecture that separates spectral and spatial feature extraction using grouped convolutions and a depthwise spatial pathway. A dual attention mechanism that couples channel-wise squeeze-and-excitation with spatial gating adaptively highlights informative features. SGNet achieves 97.8% classification accuracy and 0.64 days mean absolute error (MAE) with just 4.75M parameters when tested on our newly developed 16-day refrigerator-stored salmon fillet dataset. Ablation studies validate the contribution of each component, while comparisons demonstrate a five- to eighteen-fold parameter reduction relative to ResNet-50 and Vision Transformers. Our findings indicate that domain-aware design supports precise, real-time freshness prediction for industrial implementation.
• Abstract（参考訳）: ハイパースペクトルイメージング(HSI)は、スペクトル帯の生物化学的変化を検出することにより、魚の鮮度を非破壊的に評価する。 しかし、従来のディープラーニング手法では、空間テクスチャに対するスペクトル優位性、順序ラベル構造、少数のトレーニングサンプルなど、HSIデータの特定の特性に完全には対応していない。 SGNet(Spectral-Grouped Network)は,グループ畳み込みと奥行き空間経路を用いたスペクトル特徴抽出と空間特徴抽出を分離する軽量アーキテクチャである。 チャネルワイズ・ストレッチ・アンド・エキサイティングと空間的ゲーティングを結合するデュアルアテンション機構は、情報的特徴を適応的に強調する。 SGNetは97.8%の分類精度と0.64日の平均絶対誤差(MAE)を達成した。 一方,ResNet-50やVision Transformerと比較して,パラメータの5倍から18倍の減少を示す。 本研究は, ドメイン認識設計が産業実装の精度, リアルタイム新鮮度予測を支援することを示唆している。

関連論文リスト

• MSP-Net: Manifold-Guided Spectral Prompt Network for Hyperspectral Object Tracking [11.03462046191901]
  ハイパースペクトルオブジェクトトラッキングは、複雑なシーンにおけるターゲット識別にユニークな利点を提供する。 既存の方法は、高スペクトル画像をRGB画像のマルチチャネル拡張として扱い、固定帯域順序で特徴融合を行う。 マニフォールド誘導分光プロンプトネットワーク(MSP-Net)を提案する。 HOT2020 と HOT2023 の実験では、MSP-Net は AUC と Precision をそれぞれ 0.80 と 0.96 を超える精度で達成している。
  論文  参考訳（メタデータ） (2026-08-10T13:09:25Z)
• RamanPFN: learning from Raman spectral structure with a tabular foundation model [5.156304764307903]
  ラマン分光法は、材料科学、バイオメディシン、プロセスモニタリングにまたがる非破壊的でラベルのない分子特性を可能にする。 予測ラマンデータセットには、ラベル付きスペクトルがほとんどなく、数千の順序の波数が含まれていることが多い。 本稿では、TabPFNの推論の前に依存関係を符号化するスペクトル表現フレームワークであるRamanPFNを提案する。
  論文  参考訳（メタデータ） (2026-08-03T12:37:55Z)
• SpecGradFilter: A Spectral Gradient Filtering Framework for Taming Federated Heterogeneity [57.84199526590779]
  フェデレートラーニング(FL)は、非ID分散(非IID)データがクライアントのドリフトを誘導し、グローバルな収束を阻害する統計的不均一性によって根本的に挑戦される。 本研究では,新しい周波数領域の観点からクライアントのドリフトを再考し,Drift のスペクトルバイアスを明らかにする。 そこで本研究では,低周波信号の不一致を抑えることで不均一性を解消するスペクトルフィルタリンググラディエント・フレームワークであるSpecGradFilterを提案する。
  論文  参考訳（メタデータ） (2026-07-05T09:23:35Z)
• Spectral Gating Networks [65.9496901693099]
  我々は、フィードフォワードネットワークに周波数リッチな表現性を導入するために、スペクトルゲーティングネットワーク(SGN)を導入する。 SGNは、標準活性化経路をコンパクトなスペクトル経路と学習可能なゲートで拡張し、安定したベース動作からモデルを開始することができる。 計算予算に匹敵する精度と効率のトレードオフを継続的に改善する。
  論文  参考訳（メタデータ） (2026-02-07T20:00:49Z)
• Towards Visual Re-Identification of Fish using Fine-Grained Classification for Electronic Monitoring in Fisheries [4.007351600492542]
  我々は,新しいAutoFishデータセットを用いて,魚の識別を自動化するための最適化されたディープラーニングパイプラインを開発した。 我々は、Vision TransformerベースのSwin-Tアーキテクチャが、畳み込みニューラルネットワークベースのResNet-50より一貫して優れていることを実証した。 詳細な分析によると、主な課題は、同じ種の視覚的に類似した個体を識別することである。
  論文  参考訳（メタデータ） (2025-12-09T09:33:53Z)
• Wavelet-Guided Dual-Frequency Encoding for Remote Sensing Change Detection [67.84730634802204]
  リモートセンシング画像の変化検出は,自然災害監視,都市拡張追跡,インフラ管理など,さまざまな工学的応用において重要な役割を担っている。 既存のほとんどの手法は空間領域モデリングに依存しており、特徴表現の限られた多様性は微妙な変化領域の検出を妨げる。 本研究では、特にウェーブレット領域における周波数領域の特徴モデリングが周波数成分の微細な違いを増幅し、空間領域において捉えにくいエッジ変化の知覚を高めることを観察する。
  論文  参考訳（メタデータ） (2025-08-07T11:14:16Z)
• SpectrumFM: Redefining Spectrum Cognition via Foundation Modeling [65.65474629224558]
  本稿ではスペクトル認識のための新しいパラダイムを提供するスペクトルFMと呼ばれるスペクトル基盤モデルを提案する。 畳み込みニューラルネットワークを利用した革新的なスペクトルエンコーダを提案し、スペクトルデータにおける微細な局所信号構造と高レベルのグローバルな依存関係の両方を効果的に捕捉する。 2つの新しい自己教師型学習タスク、すなわちマスク付き再構成と次のスロット信号予測が、SpectrumFMの事前学習のために開発され、モデルがリッチで伝達可能な表現を学習できるようにする。
  論文  参考訳（メタデータ） (2025-08-02T14:40:50Z)
• SDTN and TRN: Adaptive Spectral-Spatial Feature Extraction for Hyperspectral Image Classification [1.2871580250533408]
  ハイパースペクトル画像分類は、精密農業において重要な役割を担い、作物の健康モニタリング、病気の検出、土壌分析に関する正確な洞察を提供する。 従来の手法は高次元データ、スペクトル空間の冗長性、ラベル付きサンプルの不足に悩まされ、しばしば準最適性能に繋がる。 これらの課題に対処するために,テンソル分解と正規化機構を組み合わせた自己適応正規化ネットワーク(SDTN)を提案し,テンソルランクを動的に調整する。 このアプローチは、高い分類精度を維持するだけでなく、計算の複雑さを大幅に減らし、リソース制約のある環境でのリアルタイムデプロイメントに非常に適している。
  論文  参考訳（メタデータ） (2025-07-13T04:53:33Z)
• S4DL: Shift-sensitive Spatial-Spectral Disentangling Learning for Hyperspectral Image Unsupervised Domain Adaptation [73.90209847296839]
  ハイパースペクトル画像(HSI)分類において広く研究されている教師なし領域適応技術は、ラベル付きソースドメインデータとラベルなしターゲットドメインデータを使用することを目的としている。 シフト感応型空間スペクトル遠方学習(S4DL)手法を提案する。 いくつかのクロスステージなHSIデータセットの実験は、S4DLが最先端のUDA法よりも優れていることを一貫して検証した。
  論文  参考訳（メタデータ） (2024-08-11T15:58:24Z)
• SpectralGPT: Spectral Remote Sensing Foundation Model [60.023956954916414]
  SpectralGPTという名前のユニバーサルRS基盤モデルは、新しい3D生成事前学習変換器(GPT)を用いてスペクトルRS画像を処理するために構築されている。 既存の基礎モデルと比較して、SpectralGPTは、様々なサイズ、解像度、時系列、領域をプログレッシブトレーニング形式で対応し、広範なRSビッグデータのフル活用を可能にする。 我々の評価では、事前訓練されたスペクトルGPTモデルによる顕著な性能向上が強調され、地球科学分野におけるスペクトルRSビッグデータ応用の進展に有意な可能性を示唆している。
  論文  参考訳（メタデータ） (2023-11-13T07:09:30Z)
• Spectral Cross-Domain Neural Network with Soft-adaptive Threshold Spectral Enhancement [12.837935554250409]
  スペクトルクロスドメインニューラルネットワーク(SCDNN)という新しいディープラーニングモデルを提案する。 同時に、ニューラルネットワーク内のスペクトル領域と時間領域に埋め込まれたキー情報を明らかにする。 提案するSCDNNは、パブリックECGデータベースの textitPTB-XL と textitMIT-BIH に実装されたいくつかの分類タスクでテストされる。
  論文  参考訳（メタデータ） (2023-01-10T14:23:43Z)
• Mask-guided Spectral-wise Transformer for Efficient Hyperspectral Image Reconstruction [127.20208645280438]
  ハイパースペクトル画像(HSI)再構成は、2次元計測から3次元空間スペクトル信号を復元することを目的としている。 スペクトル間相互作用のモデル化は、HSI再構成に有用である。 Mask-guided Spectral-wise Transformer (MST) は,HSI再構成のための新しいフレームワークを提案する。
  論文  参考訳（メタデータ） (2021-11-15T16:59:48Z)

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。