論文の概要: AGSA-Net: Abundance-Guided Self-Attention Network for Spectral Unmixing-Aware Hyperspectral Remote Sensing Image Classification
- arxiv url: http://arxiv.org/abs/2609.06359v1
- Date: Sun, 06 Sep 2026 03:27:34 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-10 19:44:08.229986
- Title: AGSA-Net: Abundance-Guided Self-Attention Network for Spectral Unmixing-Aware Hyperspectral Remote Sensing Image Classification
- Title（参考訳）: AGSA-Net:スペクトル未混合型ハイパースペクトルリモートセンシング画像分類のためのアウンダンスガイド型自己注意ネットワーク
- Abstract要約: 本稿では,スペクトルの非線形前処理を分類プロセスに統合したアブリダンス誘導型自己アテンションネットワークAGSA-Netを提案する。
インド・パインズ、アウクスブルク、ベルリンの実験は、豊富な誘導された文脈モデリングを組み込むことの利点を実証している。
- 参考スコア（独自算出の注目度）: 6.578456055730258
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Hyperspectral image (HSI) classification plays a vital role in remote sensing applications, including agriculture, environmental monitoring, and urban analysis. However, its performance remains challenged by high spectral redundancy, noise sensitivity, and the difficulty of jointly modeling local material composition and long-range spectral dependencies. To address this, we propose AGSA-Net, an abundance-guided self-attention network that explicitly integrates spectral unmixing priors into the classification process. AGSA Net first estimates physically meaningful subpixel abundance maps subject to non-negativity and sum-to-one constraints, regularized by hybrid linear-nonlinear reconstruction decoder. The learned abundances are then used to construct an abundance affinity prior that guides a spectral transformer to emphasize class-discriminative interactions, and the resulting transformer features are fused with compact abundance descriptors for final prediction; in contrast to existing approaches that use abundance as auxiliary or concatenated features. Experiments on Indian Pines, Augsburg, and Berlin demonstrate the benefit of incorporating abundance- guided contextual modeling, particularly in heterogeneous urban scenes. The source code and trained models are available at: https://github.com/nnuvi/AGSA-Net
- Abstract（参考訳）: ハイパースペクトル画像(HSI)分類は、農業、環境モニタリング、都市分析など、リモートセンシングの応用において重要な役割を担っている。
しかし、その性能は、高スペクトル冗長性、ノイズ感度、および局所材料組成と長距離スペクトル依存性を共同でモデル化することの難しさに疑問を呈している。
そこで本研究では,スペクトル未混合前処理を分類プロセスに明示的に統合したアブリダンス誘導型自己アテンションネットワークAGSA-Netを提案する。
AGSA Netは, 線形非線形再構成デコーダで正規化された非負性制約と和対一制約を対象とする物理的に有意なサブピクセル量マップをまず推定する。
学習されたアフィニティは、スペクトル変換器がクラス識別的相互作用を強調するように導く前に、アフィニティを構築するために使用され、結果のトランスフォーマー特徴は最終的な予測のためにコンパクトなアフィニティ記述器で融合される。
インド・パインズ、アウクスブルク、ベルリンでの実験は、特に異種都市シーンにおいて、豊富なガイド付き文脈モデリングを組み込むことの利点を実証している。
ソースコードとトレーニングされたモデルについては、https://github.com/nnuvi/AGSA-Net.comで公開されている。
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) - Liquid Fusion of Heterogeneous Representations Towards General Salient Object Detection [17.9670241907852]
General Salient Object Detection (SOD) は、視覚的に興味深い物体を一様性や多様性から識別・分離することを目的としている。
液核融合ネットワーク(LFNet)と呼ばれる VMamba と ConvNeXt を含む2つのバックボーンの機能を動的に統合する液体核融合を導入する。
LFNetは最先端のパフォーマンスを実現し、検出精度とモデル効率のトレードオフが優れている。
論文 参考訳（メタデータ） (2026-06-25T10:35:42Z) - Dynamic Spectral Denoising with Global-Context Attention for Multi-Behavior Recommendation [58.33732779555114]
重要なボトルネックは、2つの結合した不均一性によって引き起こされる表現レベルの失敗である、と我々は主張する。
マルチビヘイビアレコメンデーション(SpectraMB)のためのグローバルコンテキストを考慮した動的スペクトルデノベーションを提案する。
SpectraMBは、ほとんどの評価設定で最高の結果を達成し、ノイズのある相互作用下での堅牢性の向上を示す。
論文 参考訳（メタデータ） (2026-06-01T15:58:13Z) - Representative Spectral Correlation Network for Multi-source Remote Sensing Image Classification [44.20355634294824]
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。
論文 参考訳（メタデータ） (2026-04-30T02:10:38Z) - PCE-GAN: A Generative Adversarial Network for Point Cloud Attribute Quality Enhancement based on Optimal Transport [56.56430888985025]
点雲品質向上のための生成逆ネットワーク(PCE-GAN)を提案する。
ジェネレータは、局所特徴抽出(LFE)ユニット、大域空間相関(GSC)ユニット、特徴圧縮ユニットからなる。
判別器は、強化点雲と原点雲の確率分布のずれを計算し、ジェネレータを誘導して高品質な再構成を実現する。
論文 参考訳（メタデータ） (2025-02-26T07:34:33Z) - Hybrid Convolutional and Attention Network for Hyperspectral Image Denoising [54.110544509099526]
ハイパースペクトル画像(HSI)は、ハイパースペクトルデータの効果的な解析と解釈に重要である。
ハイブリット・コンボリューション・アテンション・ネットワーク(HCANet)を提案する。
主流HSIデータセットに対する実験結果は,提案したHCANetの合理性と有効性を示している。
論文 参考訳（メタデータ） (2024-03-15T07:18:43Z) - DiffSpectralNet : Unveiling the Potential of Diffusion Models for
Hyperspectral Image Classification [6.521187080027966]
我々は拡散と変圧器技術を組み合わせたDiffSpectralNetと呼ばれる新しいネットワークを提案する。
まず,拡散モデルに基づく教師なし学習フレームワークを用いて,高レベル・低レベルのスペクトル空間的特徴を抽出する。
この拡散法はスペクトル空間の特徴を多様かつ有意義に抽出し,HSI分類の改善につながる。
論文 参考訳（メタデータ） (2023-10-29T15:26:37Z) - 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) - 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) - SpectralFormer: Rethinking Hyperspectral Image Classification with
Transformers [91.09957836250209]
ハイパースペクトル(HS)画像は、ほぼ連続したスペクトル情報によって特徴づけられる。
CNNは、HS画像分類において強力な特徴抽出器であることが証明されている。
我々は、HS画像分類のためのulSpectralFormerと呼ばれる新しいバックボーンネットワークを提案する。
論文 参考訳（メタデータ） (2021-07-07T02:59:21Z) - Improving Deep Hyperspectral Image Classification Performance with
Spectral Unmixing [3.84448093764973]
本稿では,多元HSI分類法を提案する。
我々は、データセット固有のオートエンコーダにより、スペクトル領域から豊富な領域へのすべてのHSIを変換する。
次に、複数のHSIからの豊富な表現を収集して拡大データセットを形成する。
論文 参考訳（メタデータ） (2020-04-01T17:14:05Z)
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。