Основные понятия
ハイパースペクトルデータの回帰タスクにおいて、対照学習を用いることで、データ拡張手法を活用し、モデルの性能を大幅に向上させることができる。
Аннотация
本論文では、ハイパースペクトルデータの回帰タスクに対する対照学習フレームワークを提案している。
まず、ハイパースペクトルデータに適した一連の変換手法を紹介する。これには、スペクトルシフト、スペクトルフリップ、散乱モデル、大気補正モデル、弾性歪みなどが含まれる。
次に、回帰タスクに適合するよう、クロスエントロピーに基づく対照損失関数を改良する。具体的には、正例と負例のペアを選択する際に、回帰ラベルの類似度に基づいて半径rの球を用いる。
最後に、合成データと実際の土壌データを用いた実験結果を示す。提案手法は、従来手法と比べて回帰性能を大幅に向上させることができ、特にスペクトルシフト、大気補正、弾性歪み、散乱変換の組み合わせが最も良い結果を示した。
Статистика
合成データでのR2スコアは0.7922、MAEは0.058
実際の土壌データでのR2スコアは0.61793、MAEは1380.37 mg/kg