Deep Feature Extraction and Classification of Hyperspectral Images Based on Convolutional Neural Networks - Githubissues

DeepResearchTeam / Deep_Research

To summarize the information of machine learning

4 stars 0 forks source link

Deep Feature Extraction and Classification of Hyperspectral Images Based on Convolutional Neural Networks #17

Open KenichiSasaki opened 5 years ago

KenichiSasaki commented 5 years ago

概要

アルゴリズム論文(2016)
数百のチャンネルを持つHyperspectral imagesの植生分類をCNNを用いて実装し，代表的なHyperspectral Imagesの画像に対して高い精度を達成
アルゴリズム
1D, 2D, 3Dのカーネルを用いてそれぞれ実装
1Dは各ピクセル毎に全チャネルのSpectral Informationを畳み込みして識別
- 5層の畳み込みとプーリング，1層のMLP
2DはPCAをまず行い，第1成分のみを取り出し，普通の画像処理同様にCNNをかける
3Dは全チャンネルに対して3次のカーネルをかけて識別
- 3Dのカーネルは27*27でSpectral lengthは100-200の長さをとった

実装

以下の3つの代表的なHyperspectral Imagesを使用
- Indian Pine Tree by Airborne Visible Infrared Imaging Spectrometer (AVIRIS)
- the city of Pavia, Italy by Reflective Optics System Imaging Spectrometer (ROSIS-3)
- Kennedy Space Center, Florida by AVIRIS
すべてのケースにおいてCNNが1-3Dにおける精度の方が高いことを示した

所感

今までのHyperspectral Imagesの解析手法やCNNの歴史や説明まで詳しく書かれていて勉強になる
実際のHyperspectral imagesの中身を見るとかなりのデータは識別には寄与しないデータが多い(0だったり，同じ値)，そのためPCAを行うことで2DのCNNは適切に学習できたと思われる
1Dのケースでも精度が向上したのはCNNが適切に無駄なデータに対して学習の際に無相関であることを学習できているからか
計算コストは言及されていないが3DCNNなんかは圧倒的にかかるので，その評価も見てみたい