基于XAI的AI高光谱图像分类降维
Dimensionality reduction for AI based hyperspectral image classification based on XAI
浏览论文内容
中文总结 AI 辅助
本研究利用基于AI的降维技术，结合CNN处理超过200个光谱通道的高光谱图像，通过XAI方法提升木材回收过程的可持续性和效率。
中文摘要 AI 辅助
本研究通过利用基于人工智能（AI）的降维技术，解决了木材回收过程中材料回收有限这一挑战。我们的研究探索了卷积神经网络（CNNs）在多通道高光谱成像（HSI）中的应用，将光谱通道从RGB扩展到超过200个。在此背景下，降维涉及简化AI系统训练和推理的特征空间。本文聚焦于可解释AI（XAI）方法，为更广泛的研究计划做出贡献，提出了一个增强木材回收过程可持续性和效率的解决方案框架。
英文摘要
This research addresses the challenge of limited material recycling in wood recycling processes by leveraging artificial intelligence (AI)-based dimensionality reduction. Our study explores the application of convolutional neural networks (CNNs) in multi-channel hyperspectral imaging (HSI), extending beyond RGB channels to over 200 spectral channels. Dimensionality reduction within this context involves streamlining the feature space for AI system training and inference. Focusing on explainable AI (XAI) methods, this paper contributes to a broader research initiative, presenting a solution framework that enhances the sustainability and efficiency of wood recycling processes.
发表机构
- University of Belgrade School of Electrical Engineering（贝尔格莱德大学电气工程学院）
- JOANNEUM RESEARCH Forschungsgesellschaft mbH（约安neum研究有限公司）
机构由 AI 辅助整理，请以论文原文为准。
