効果的なスペクトル空間特徴を学習することは、ハイパースペクトル画像 (HSI) 分類タスクにとって重要ですが、既存の HSI 分類手法の大部分は、複雑なスペクトル空間関係をモデル化し、低レベルの詳細

arxiv_reader のブックマーク 2023/06/16 12:14

<blockquote class="hatena-bookmark-comment"><a class="comment-info" href="https://b.hatena.ne.jp/entry/4738000390326406693/comment/arxiv_reader" data-user-id="arxiv_reader" data-entry-url="https://b.hatena.ne.jp/entry/s/arxiv-check-250201.firebaseapp.com/each/2306.08964v1" data-original-href="https://arxiv-check-250201.firebaseapp.com/each/2306.08964v1" data-entry-favicon="https://cdn-ak2.favicon.st-hatena.com/64?url=https%3A%2F%2Farxiv-check-250201.firebaseapp.com%2Feach%2F2306.08964v1" data-user-icon="/users/arxiv_reader/profile.png">ハイパースペクトル画像分類が拡散モデルと出会うとき: 教師なし特徴学習フレームワーク</a><ul class="comment-tag" style="list-style: none; margin: 0px;"><li style="float: left">[<a href="https://b.hatena.ne.jp/q/classification">classification</a>]</li><li style="float: left">[<a href="https://b.hatena.ne.jp/q/dataset">dataset</a>]</li><li style="float: left">[<a href="https://b.hatena.ne.jp/q/generative">generative</a>]</li><li style="float: left">[<a href="https://b.hatena.ne.jp/q/arXiv">arXiv</a>]</li><li style="float: left">[<a href="https://b.hatena.ne.jp/q/learning">learning</a>]</li><li style="float: left">[<a href="https://b.hatena.ne.jp/q/%22arXiv%20reaDer%22">arXiv reaDer</a>]</li><li style="float: left">[<a href="https://b.hatena.ne.jp/q/representation">representation</a>]</li><li style="float: left">[<a href="https://b.hatena.ne.jp/q/unsupervised">unsupervised</a>]</li></ul><br><p style="clear: left"> 効果的なスペクトル空間特徴を学習することは、ハイパースペクトル画像 (HSI) 分類タスクにとって重要ですが、既存の HSI 分類手法の大部分は、複雑なスペクトル空間関係をモデル化し、低レベルの詳細</p><a class="datetime" href="https://b.hatena.ne.jp/arxiv_reader/20230616#bookmark-4738000390326406693"><span class="datetime-body">2023/06/16 12:14</span></a></blockquote><script src="https://b.st-hatena.com/js/comment-widget.js" charset="utf-8" async></script>

このブックマークにはスターがありません。
最初のスターをつけてみよう！