Tree species classification from hyperspectral data using graph-regularized neural networks

要約

タイトル: グラフ正則化ニューラルネットワークを用いた高分光学術データからの樹種分類

要約:
– 樹種分類のためにグラフ正則化ニューラルネットワーク(GRNN)を提案する。
– 提案アルゴリズムには、グラフの構築のためのスーパーピクセルベースのセグメンテーション、ピクセル単位のニューラルネットワーク分類器、ラベル伝播技術を含む。
– GRNNは、インドのパインズHSIだけでなく、フランスギアナの異種林から収集された新しいHSIデータセットでも高い分類精度（約92％）を達成し、1％未満のピクセルがラベル付けされた場合でもさまざまな最先端の技術を上回ります。
– GRNNは、半教師ありの最先端手法と競合することが証明された。また、トレーニングサンプルの数とトレーニングのためにランダムにサンプリングされたラベル付きピクセルの繰り返し試行においても、精度にはわずかな偏差が見られた。

要約(オリジナル)

We propose a novel graph-regularized neural network (GRNN) algorithm for tree species classification. The proposed algorithm encompasses superpixel-based segmentation for graph construction, a pixel-wise neural network classifier, and the label propagation technique to generate an accurate and realistic (emulating tree crowns) classification map on a sparsely annotated data set. GRNN outperforms several state-of-the-art techniques not only for the standard Indian Pines HSI but also achieves a high classification accuracy (approx. 92%) on a new HSI data set collected over the heterogeneous forests of French Guiana (FG) when less than 1% of the pixels are labeled. We further show that GRNN is competitive with the state-of-the-art semi-supervised methods and exhibits a small deviation in accuracy for different numbers of training samples and over repeated trials with randomly sampled labeled pixels for training.

arxiv情報

提供元, 利用サービス

arxiv.jp, OpenAI