BS-Nets: ハイパースペクトル画像のバンド選択のためのエンドツーエンドフレームワーク

本論文では、ハイパースペクトル画像(HSI)のためのバンド選択フレームワークであるBS-Netsを提案しています。HSIは数百の連続的な狭帯域に高いスペクトル相関を持ち、Hughes現象や処理にかかる高コストの原因となります。バンド選択は冗長なバンドを除去することでこれらの問題を回避するのに有効です。しかし、従来の手法は各バンドの重要性を個別に推定するため、スペクトルバンド間の非線形かつ全体的な相互作用を十分に考慮できません。提案するBS-Netは、バンドアテンションモジュール(BAM)と再構築ネットワーク(RecNet)で構成され、BAMはスペクトルバンド間の非線形依存関係をモデル化し、RecNetは学習した情報バンドから元のHSIを再構築します。このフレームワークはエンドツーエンドでトレーニング可能で、他のネットワークとも組み合わせやすくなっています。実際のハイパースペクトル画像3件を用いた実験結果から、提案手法は冗長性を抑えながら有用なバンドのサブセットを選択し、優れた分類性能を達成することが示されました。