要約
ハイパースペクトル イメージングの欠点 (高価、高いキャプチャ遅延、低い空間解像度) を克服し、広く適用できるようにするための重要なテクノロジは、数百のバンドから代表的なバンドをいくつか選択することです。
ただし、現在のバンド選択 (BS) 方法は、バンド数、データセットの分割、再トレーニング設定などのトレーニング/検証設定に一貫性がないため、公正な比較において課題に直面しています。
BS 手法を簡単かつ再現可能にするために、この論文では、さまざまなハイパースペクトル解析タスク用の、さまざまなバックボーンを持つ多数のバンドの組み合わせ (BC) の 52,000 件のトレーニングおよび評価レコードを含む最初のバンド選択検索ベンチマーク (BSS-Bench) を紹介します。
BSS-Bench の作成には、1.26k GPU 日という膨大な計算量が必要でした。
BSS-Bench にクエリを実行することで、BS 実験を簡単かつ再現性よく実行でき、検索結果と達成可能な最高のパフォーマンスとのギャップを測定できます。
BSS-Bench に基づいて、バンド数、教師なし統計、さまざまなバックボーンなど、さまざまな要因が BS に与える影響についてさらに議論します。
BSS-Bench に加えて、シングル コンビネーション ワン ショット (SCOS) と呼ばれる効果的なワンショット BS 手法を紹介します。これは、1 回のトレーニングを通じて任意の BC の優先順位を学習し、異なる BC で繰り返し再トレーニングする必要を排除します。
さらに、SCOS の検索プロセスは柔軟であり、トレーニングを必要としないため、効率的かつ効果的になります。
私たちの広範な評価により、SCOS は、帯域がはるかに少ない場合でも、複数のタスクで現在の BS 手法よりも優れたパフォーマンスを発揮することが実証されています。
当社の BSS ベンチとコードは補足資料で入手でき、一般に公開される予定です。
要約(オリジナル)
The key technology to overcome the drawbacks of hyperspectral imaging (expensive, high capture delay, and low spatial resolution) and make it widely applicable is to select only a few representative bands from hundreds of bands. However, current band selection (BS) methods face challenges in fair comparisons due to inconsistent train/validation settings, including the number of bands, dataset splits, and retraining settings. To make BS methods easy and reproducible, this paper presents the first band selection search benchmark (BSS-Bench) containing 52k training and evaluation records of numerous band combinations (BC) with different backbones for various hyperspectral analysis tasks. The creation of BSS-Bench required a significant computational effort of 1.26k GPU days. By querying BSS-Bench, BS experiments can be performed easily and reproducibly, and the gap between the searched result and the best achievable performance can be measured. Based on BSS-Bench, we further discuss the impact of various factors on BS, such as the number of bands, unsupervised statistics, and different backbones. In addition to BSS-Bench, we present an effective one-shot BS method called Single Combination One Shot (SCOS), which learns the priority of any BCs through one-time training, eliminating the need for repetitive retraining on different BCs. Furthermore, the search process of SCOS is flexible and does not require training, making it efficient and effective. Our extensive evaluations demonstrate that SCOS outperforms current BS methods on multiple tasks, even with much fewer bands. Our BSS-Bench and codes are available in the supplementary material and will be publicly available.
arxiv情報
| 著者 | Wenshuai Xu,Zhenbo Xu |
| 発行日 | 2023-12-22 10:00:32+00:00 |
| arxivサイト | arxiv_id(pdf) |
提供元, 利用サービス
arxiv.jp, Google