Neural Network Learning of Chemical Bond Representations in Spectral Indices and Features

要約

この論文では、ネットワークのアーキテクチャをセンシングの物理学および存在する材料と接続することに焦点を当てて、ハイパースペクトルイメージングで分類するためのニューラルネットワークを調査します。
分光法は、材料によって反射または放出された光を関数波長として測定するプロセスです。
材料に存在する分子結合には、各波長で測定される光の量に影響を与える振動周波数があります。
したがって、測定されたスペクトルには、特定の化学成分と結合のタイプに関する情報が含まれています。
たとえば、クロロフィルは、赤（625-675nm）の範囲よりも近赤外範囲（800-900nm）でより多くの光を反射します。この差は、正規化植生差指数（NDVI）を使用して測定できます。
これらの波長で収集された植生の存在、健康状態、およびタイプの画像を検出します。
この論文では、さまざまな植生クラスでトレーニングされたニューラルネットワークの重みが、この反射率の違いを測定することを学習することを示します。
次に、10個の異なるポリマー材料のより複雑なセットでトレーニングされたニューラルネットワークが、ネットワークの重みで明らかなスペクトルの「特徴」を学習し、これらの特徴を使用して、異なるタイプのポリマーを確実に区別できることを示します。
重みを調べると、人間が解釈できるネットワークの理解が得られます。

要約(オリジナル)

In this paper we investigate neural networks for classification in hyperspectral imaging with a focus on connecting the architecture of the network with the physics of the sensing and materials present. Spectroscopy is the process of measuring light reflected or emitted by a material as a function wavelength. Molecular bonds present in the material have vibrational frequencies which affect the amount of light measured at each wavelength. Thus the measured spectrum contains information about the particular chemical constituents and types of bonds. For example, chlorophyll reflects more light in the near-IR rage (800-900nm) than in the red (625-675nm) range, and this difference can be measured using a normalized vegetation difference index (NDVI), which is commonly used to detect vegetation presence, health, and type in imagery collected at these wavelengths. In this paper we show that the weights in a Neural Network trained on different vegetation classes learn to measure this difference in reflectance. We then show that a Neural Network trained on a more complex set of ten different polymer materials will learn spectral ‘features’ evident in the weights for the network, and these features can be used to reliably distinguish between the different types of polymers. Examination of the weights provides a human-interpretable understanding of the network.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google