ハイパースペクトル画像の高速分類のための新しい深い畳み込みニューラルネットワーク

人工ニューラルネットワーク（ANN）は、リモートセンシング画像の分析に広く用いられている。 特に、畳み込みニューラルネットワーク（CNN）がこの分野で注目されている。 CNNは画像認識や分類などの分野で、特に2次元画像で構成される大規模な集合の分類に非常に有効であることが証明されている。 しかし、マルチスペクトル画像やハイパースペクトル画像への適用には、特に多次元データキューブに含まれる高次元情報の処理に関連するいくつかの課題に直面している。 その結果、計算時間が大幅に増加する。 本論文では、ハイパースペクトル画像の分類のための新しいCNNアーキテクチャを紹介する。 提案するCNNはスペクトル情報と空間情報の両方を利用する3次元ネットワークである。 また、画像中の境界部分を効率的に処理するためのボーダーミラーリング戦略を実装し、グラフィックプロセッシングユニット（GPU）を用いて効率的に実装されている。 実験結果は、提案するネットワークが正確かつ効率的に動作し、他の従来のANN技術と比較して、ハイパースペクトル画像の分類において計算時間の短縮と精度の向上を達成することを示している

。