要約
ハイパースペクトル画像（HSI）分類は、精密農業、鉱物探査、リモートセンシングなど、多岐にわたる分野で利用されている。従来、HSI分類には畳み込みニューラルネットワーク（CNN）が用いられてきたが、スペクトル-空間的関係を効果的に捉える能力に限界があり、これはHSIの理解において重要な要因である。近年、深層CNNアーキテクチャや3次元CNN（3D-CNN）の導入により、この問題は一定程度軽減されたものの、計算複雑度が増大するという課題があり、IoTやエッジコンピューティングデバイスなどリソース制約の厳しい環境での利用を阻んでいる。本論文では、期待値最大化（EM）ルーティングアルゴリズムを用いた行列型キャプセル（Matrix Capsules）の概念に基づく新たな手法を提案する。この手法は、HSIデータに特有の性質に適応するよう設計されており、上述の課題を効率的に解決することを目的としている。キャプセル単位は、データ内のスペクトル特徴や部分-全体の関係を効果的に識別可能であり、EMルーティングにより視点不変性を確保する。提案手法の有効性を検証するため、代表的な3つのHSIデータセットを用いて実験を行った。実験結果から、現在の最先端手法と比較して、分類精度において優れた性能を発揮するとともに、モデルパラメータ数は25分の1、記憶領域の必要量は65倍以上削減できることを示した。本研究のソースコードは、https://github.com/DeepMatrixCapsules/DeepMatrixCapsules にて公開されている。