Automatic inspection of cultural monuments using deep and tensor-based learning on hyperspectral imagery

要約

文化遺産では、ハイパースペクトル画像は物質の光学的特性に関する拡張情報を提供するため、一般的に使用されています。そのため、このような高次元データの処理は、適用する機械学習技術の観点から困難となる。本論文では、文化財の材料欠陥を識別・分類するために、Rank-$R$テンソルに基づく学習モデルを提案する。従来の深層学習アプローチとは対照的に、提案する高次テンソルベース学習は、より高い精度とオーバーフィッティングに対する頑健性を実証する。ユネスコ保護地域の実データを用いた実験結果から、従来のディープラーニングモデルと比較して、提案方式の優位性が示される。

要約(オリジナル)

In Cultural Heritage, hyperspectral images are commonly used since they provide extended information regarding the optical properties of materials. Thus, the processing of such high-dimensional data becomes challenging from the perspective of machine learning techniques to be applied. In this paper, we propose a Rank-$R$ tensor-based learning model to identify and classify material defects on Cultural Heritage monuments. In contrast to conventional deep learning approaches, the proposed high order tensor-based learning demonstrates greater accuracy and robustness against overfitting. Experimental results on real-world data from UNESCO protected areas indicate the superiority of the proposed scheme compared to conventional deep learning models.

arxiv情報

提供元, 利用サービス

arxiv.jp, DeepL